与大脑转移局部控制相关的因素:一个系统的搜索和机器学习应用程序
Hemalatha Kanakarajan1, Wouter De Baene2, Karin Gehring2,3
1Department of Cognitive Neuropsychology, Tilburg University, Tilburg, The Netherlands. H.Kanakarajan@tilburguniversity.edu.
BMC medical informatics and decision making
|June 21, 2024
概括
预测大脑转移的局部控制是改善生存的关键. 较高的辐射剂量和较低的瘤体积可以改善局部控制,机器学习模型可以达到80%的准确性.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 机器学习 机器学习
背景情况:
- 改善大脑转移的局部控制 (LC) 是提高患者存活率的关键.
- 预测局部治疗失败对于有效的治疗计划至关重要.
- 机器学习可以识别影响LC的因素.
研究的目的:
- 系统地审查与脑转移的LC相关的因素.
- 为预测建模选择候选预测特征.
- 使用机器学习评估这些特征的预测重要性.
主要方法:
- 在EMBASE,PubMed,Web-of-Science和Cochrane数据库进行系统的文献搜索,截至2020年12月.
- 研究根据主要瘤类型 (肺,乳腺,黑色素瘤) 和治疗 (手术,SRT,WBRT) 分组.
- 一个随机森林模型被用来预测立体辐射疗法 (SRT) 后的LC.
主要成果:
- 该审查包括了159项研究.
- 较高的SRT辐射剂量与瘤类型和SRT组中更好的LC相关.
- 在SRT组中,较高的瘤体积与较差的LC有关.
- 随机森林模型实现了80%的准确性和0.84 AUC来预测LC.
结论:
- 确定了影响大脑转移的LC的因素.
- 这些发现对于预测SRT后的LC具有翻译价值.
- 一个机器学习模型显示了个性化治疗结果预测的前景.
