用化学算法选择的信息特征预测眼膜淋巴瘤放射治疗结果的预测模型
Min Zhou1, Jiaqi Wang2, Jiahao Shi1
1Ophthalmology Department, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, 639 Zhizaoju Road, Shanghai 200011, China; Shanghai Key Laboratory of Orbital Diseases and Ocular Oncology, Shanghai 200011, China.
Computers in biology and medicine
|February 1, 2024
概括
这项研究确定了在接受放射治疗的眼膜性淋巴瘤 (OAL) 患者中不完全缓解的关键风险因素. 结合这些因素的预测模型可以改善OAL的治疗结果.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 医疗成像医学成像
- 数据科学数据科学数据科学
背景情况:
- 眼部附带性淋巴瘤 (OAL) 是一种非霍奇金淋巴瘤,影响眼部附近的组织.
- 放射治疗是标准的治疗方法,但系统性衰竭的预后因素需要澄清.
- 彻底的治疗前评估对于优化患者预后和最大限度地减少不良影响至关重要.
研究的目的:
- 在接受放射治疗的OAL患者中确定与不完全缓解相关的风险因素.
- 开发一种混合预测模型,用于OAL.AL中的放射治疗结果.
主要方法:
- 87名接受放射治疗的OAL患者的回顾性图表审查.
- 整合了7个MRI图像特征与122个临床特征.
- 化学算法 (CARS,UVE,GA) 和机器学习分类器 (SVM,XGBoost) 的应用,用于特征选择和结果预测.
主要成果:
- 综合临床和图像特征的预测模型实现了0.82.8的AUC.
- 不完全缓解的确定的危险因素包括外眼,双眼视,敏感,ALT升高,HBsAg阳性和CD43阳性.
- 拉索和随机森林算法也确定了重要的预测特征.
结论:
- 化学测量算法有效地确定了OAL风险因素.
- 开发的预测模型有助于临床医生识别可能实现完全缓解的OAL患者.
- 患有已识别的风险因素的患者可能需要定制的管理策略,以改善放射治疗结果.
