机器学习预测了在立即乳房重建后需要进行乳房切除术后放射治疗的需求

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 乳腺切除术后放射治疗 (PMRT) 是影响乳腺癌患者治疗结果的关键因素.
• PMRT可以独立预测重建性并发症,并影响乳房重建的时间和类型.
• 准确预测PMRT的必要性对于优化手术规划和患者护理至关重要.

研究的目的:

• 开发和验证一种机器学习模型,用于预测在立即乳房重建 (IBR) 后需要PMRT的概率.
• 确定预测需要PMRT的关键手术前因素.
• 为医疗保健提供者和患者创建一个临床适用的工具.

主要方法:

• 在2017年1月至2020年12月期间接受IBR治疗的800名乳腺癌患者的回顾性评估.
• 收集了81个手术前特征的数据,主要结果是PMRT的建议.
• 四个机器学习算法 (逻辑回归,弹性网,逻辑拉索,随机森林) 进行了比较,使用AUC和精度回忆曲线评估性能.

主要成果:

• 在800名患者中,有325人 (40.6%) 建议接受PMRT.
• 弹性网 (EN) 模型在测试数据集上显示出强大的预测性能,AUC为0.794 (95% CI,0.730-0.858).
• 该EN模型成功地将81个预测因子减少到12个,在不牺牲准确性的情况下增强了模型的节性.

结论:

• 在IBR成功开发和验证后,用于预测PMRT的节和准确的机器学习模型已经成功开发和验证.
• 开发的模型已转化为在线计算器,为临床决策提供了一个实用的工具.
• 这种工具可以帮助提供者和患者做出有关乳房重建和放射治疗计划的明智决策.