在非功能性下垂体神经内分泌瘤中术后瘤进展的机器学习分析:试点研究
Ziad Hussein1,2,3, Robert W Slack4,5, Stephanie E Baldeweg2,3
1Department of Diabetes & Endocrinology, Sheffield Teaching Hospitals NHS Foundation Trust, Sheffield S10 2JF, UK.
Cancers
|March 28, 2024
概括
机器学习模型准确地预测了非功能性垂体神经内分泌瘤 (NF PitNET) 患者的术后瘤进展. 手术切除程度是最强的预测因素,优于传统方法.
科学领域:
- 内分泌学 在内分泌学.
- 在瘤学瘤学.
- 数据科学数据科学数据科学
背景情况:
- 在非功能性垂体神经内分泌瘤 (NF PitNET) 中,术后瘤进展是不可预测的.
- 准确的结果预测对于患者管理至关重要.
研究的目的:
- 评估机器学习 (ML) 模型,以预测NF PitNET患者的术后结果.
- 将ML模型的性能与传统的统计方法进行比较.
主要方法:
- 分析了383名为NFPITNET进行手术的患者的数据.
- 应用ML模型:k-最近邻居 (KNN),支持矢量机 (SVM) 和决策树.
- 与逻辑回归进行比较,用于预测瘤进展.
主要成果:
- 与逻辑回归相比,ML模型,特别是SVM,在预测瘤进展方面表现优越.
- 手术切除的程度是进展的最重要的预测因素.
- 患者的年龄,瘤体积和放射治疗使用也影响了结果.
结论:
- 机器学习模型显示了在NF PitNET中改善术后结果预测的巨大潜力.
- 完全切除与没有复发有关,突出显示了手术成功.
- 未来的研究应该纳入多中心数据和先进的成像,以提高预测.
