基于贝叶斯网络分析的激进前列腺切除术后积极外科边缘的预测模型
Guipeng Wang1, Haotian Du1, Fanshuo Meng1
1Department of Urology, The Affiliated Hospital of Qingdao University, Qingdao, China.
Frontiers in oncology
|April 12, 2024
概括
贝叶斯网络分析准确地预测了激进前列腺切除术后的积极外科边缘. 该模型确定了关键的风险因素,改善了患者的治疗结果和前列腺癌的手术规划.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 激进前列腺切除术是前列腺癌的主要治疗方法.
- 根源性前列腺切除术后的积极外科边缘 (PSMs) 与癌症复发风险增加有关.
- 准确预测PSM对于优化手术策略和患者管理至关重要.
研究的目的:
- 为了确定从根本性前列腺切除术后PSM的独立风险因素.
- 用贝叶斯网络分析评估PSM预测模型的临床实用性.
主要方法:
- 对238名经过激进前列腺切除术的患者进行了回顾性分析.
- 包括临床数据,前列腺特异性抗原 (PSA) 指标,活检结果和MRI特征.
- 开发一个名ogram和贝叶斯网络模型 (天真和树增强天真 - TAN).
主要成果:
- 在238名患者中,有103名患者有积极的外科边缘.
- 重要的预测因素包括PSA密度,格里森得分,阳性活检核心比率,手术前T阶段和MRI信号特征.
- 在TAN贝叶斯模型中,AUC达到80.80%,在naive贝叶斯模型中,AUC达到82.71%.
结论:
- 贝叶斯网络模型在预测激进前列腺切除术后的正切除边缘方面表现出高准确度.
- 这些预测模型为手术规划和患者咨询提供了宝贵的临床实用性.
