开发和验证基于机器学习的术后预后模型,用于血细胞瘤,脊髓损伤作为初始临床表现:单中心队列研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 神经外科 神经外科

背景情况:

• 脊柱多发性骨髓瘤 (MM) 和骨单体血细胞瘤 (SPB) 显著损害生活质量.
• 缺乏预测模型阻碍了对脊髓等离子体细胞瘤的个性化护理.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于预测脊柱MM和SPB的术后结果.
• 确定影响患者生存的关键预后因素.

主要方法:

• 对169名脊柱MM或SPB患者的回顾性和前性分析.
• 利用高斯天真贝叶斯 (GNB) 和其他ML算法进行预测.
• 用于模型解释性和绩效评估的AUC使用的SHAP.

主要成果:

• 在前景验证中,GNB模型实现了0.863的AUC.
• 确定了国际分期系统 (ISS) 阶段,杜里-萨尔蒙 (DS) 阶段,向治疗和年龄作为显著的预后因素.
• 证明了GNB模型的卓越预测准确性和稳定性.

结论:

• 高斯的天真贝叶斯模型可靠地预测脊髓等离子体细胞瘤的术后结果.
• ISS和DS阶段是患者预后的关键决定因素.
• 该模型有助于识别高风险患者,支持临床决策.