使用机器学习方法预测神经母细胞瘤患者的风险组,结果和治疗反应:一篇评论

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 人工智能在医学中的应用

背景情况:

• 神经母细胞瘤 (NB) 是一种重要的儿科癌症,高风险转移性瘤的存活率较低.
• 机器学习 (ML) 为分析NB研究中复杂的患者数据提供了强大的工具.
• 现有的文献使用ML进行临床和生物见解,但需要一个全面的摘要.

研究的目的:

• 系统地审查和总结使用ML和NB数据分析的统计方法的文献.
• 突出ML在预测临床结果中的应用,包括风险分层,生存和治疗反应.
• 为NB未来的诊断和治疗工作提供资源.

主要方法:

• 对NB数据进行文献搜索和使用ML和统计方法进行研究的系统审查.
• 对多种数据类型的分析,包括多omics,组织学和医学成像.
• 研究的分类基于其在风险分层和结果预测中的应用.

主要成果:

• 机器学习模型越来越多地用于分析神经母细胞瘤中的多omics,成像和临床数据.
• 这些模型显示了将患者分为风险组的分层以及预测存活率和治疗疗效的潜力.
• 基于表达的预测模型和ML是推动NB患者管理的关键.

结论:

• 对在NB中ML应用的全面理解对于改善患者的治疗结果至关重要.
• 未来的研究应该专注于改进ML模型,以实现更准确的风险分层和个性化治疗策略.
• 本综述是利用ML在神经母细胞瘤研究和临床实践中的指南.