使用基于知识的机器学习模型预测 (y) pN1乳腺癌的整体疾病负担
Seok-Joo Chun1,2, Bum-Sup Jang1,3, Hyeon Seok Choi1
1Department of Radiation Oncology, Seoul National University Hospital, Seoul 03080, Republic of Korea.
Cancers
|April 27, 2024
概括
贝叶斯网络模型评估了乳腺癌患者的整体疾病负担 (ODB),发现与哨兵淋巴结活检相比,下淋巴结解剖增加了ODB和淋巴. 该模型还预测了试验结果,强调了生活质量.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 乳腺癌的分期,特别是 (y) pN1,提出了复杂的治疗决策.
- 评估整体疾病负担 (ODB) 需要整合治疗效益和毒性.
- 现有的模型可能无法完全捕捉乳腺癌中放射治疗相关结果的细微差别.
研究的目的:
- 开发一个基于专家知识的贝叶斯网络 (BN) 模型,用于评估 (y) pN1乳腺癌患者的ODB.
- 在正在进行的临床试验中,将不同治疗臂的ODB进行比较.
- 预测和验证乳腺癌放射治疗试验的结果.
主要方法:
- 使用机构数据和对 (y) pN1乳腺癌的专家调查构建了BN模型.
- 综合专家推导的概率和残疾权重,用于放射治疗的益处 (例如,7年无病生存期 (DFS)) 和毒性.
- 在多个试验 (联盟A011202,PORT-N1,RAPCHEM,RT-CHARM) 中进行了in silico预测,以比较ODB,DFS和副作用.
主要成果:
- 在联盟A011202中,状淋巴结解剖显示了比区域节点辐射 (RNI) 的哨兵淋巴结活检更高的ODB和淋巴.
- 在PORT-N1试验中,全乳房照射 (WBI) 与RNI/乳房切除后放射治疗 (PMRT) 和单独WBI之间的ODB差异很小.
- 拉普切姆试验表明更大的放射治疗场略微增加了ODB,而不会影响ypN1患者的7年DFS. RT-CHARM发现了导致严重并发症的因素 (18.3%-22.1%).
结论:
- 基于专家知识的BN模型成功预测了正在进行的试验结果,证实了它的有效性.
- 该BN模型量化了治疗臂之间的ODB差异,突出了生活质量的重要性.
- 该模型提供了一个框架,通过考虑有效性和毒性来优化乳腺癌治疗策略.
