使用机器学习模型来预测胃肠道 stromal 瘤患者的同步性尿生殖系统癌症

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习在医疗保健中的应用

背景情况:

• 胃肠道 stromal 瘤 (GISTs) 可以与生殖尿路 (GU) 瘤同时发生.
• 在GIST患者中早期发现同步GU瘤可以改善预后.
• 机器学习 (ML) 提供了预测这些同时发生的条件的潜力.

研究的目的:

• 评估ML算法在预测GIST患者同步GU瘤方面的有效性.
• 评估ML对改善GIST患者预后结果的有用性.
• 分析来自沙特阿拉伯专业研究中心的GIST患者数据.

主要方法:

• 在2003年至2020年期间诊断出170名GIST患者的回顾性分析.
• 对同步GU瘤 (细胞癌,上腺瘤等) 的患者档案的审查. ) 的情况.
• 应用三个监督的ML算法:物流回归,XGBoost回归器和随机森林 (RF).

主要成果:

• 六名患者 (3.5%) 呈现同步的GU瘤.
• 随机森林 (RF) 模型显示出最高的预测准确率为97.1%.
• 胃GIST与状细胞组织学是最常见的;T2和N0阶段是常见的.

结论:

• 随机森林 (RF) 模型是预测GIST患者同步GU瘤的一个有希望的工具.
• 建议通过使用先进的人工智能,包括深度学习,进行更大规模的多中心研究进行进一步验证.
• 改进的预测可以导致潜在的GU参与的GIST患者的更好的管理和预后.