在宫癌中淋巴结转移的预测模型基于手术前的心率变化
Weizheng Guan1, Yuling Wang2, Huan Zhao1
1School of Medical Imaging, Bengbu Medical University, Bengbu, Anhui, China.
Frontiers in neuroscience
|February 27, 2024
概括
使用手术前心率变化 (HRV) 的机器学习模型可以预测宫癌 (CC) 中的淋巴结转移. 随机森林模型表现出强的表现,强调HRV作为CC分期的潜在生物标志物.
科学领域:
- 在瘤学瘤学.
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
背景情况:
- 淋巴结转移 (LNM) 对宫癌 (CC) 的分期,治疗和预后至关重要.
- 心率变化 (HRV) 在CC患者中与LNM有关联.
- 在手术前预测LNM可以显著影响患者管理.
研究的目的:
- 评估机器学习 (ML) 模型用于预测CC LNM的可行性.
- 用手术前的HRV参数作为ML模型开发的特征.
- 在CC LNM中验证ML模型的预测能力.
主要方法:
- 收集了来自292名病理确诊的CC患者的5分钟心电图数据.
- 进行了时间域,频域和非线性HRV分析.
- 使用32个HRV参数构建了6个ML模型,并通过AUC,精度,灵敏度和特异性评估了性能.
主要成果:
- 随机森林 (RF) 模型实现了最高的预测性能.
- 测试组的射频模型指标包括AUC (0.852),精度 (0.744),灵敏度 (0.783) 和特异性 (0.785).
- 手术前的HRV参数是RF模型的有效特征.
结论:
- 使用手术前HRV参数的射频模型在预测CC LNM方面表现出卓越的性能.
- 建议通过使用更大的数据集进行多中心研究进行进一步验证.
- 需要探索关联HRV和CC LNM的潜在生理病理机制.
