使用LR和LightGBM用于预测乳腺癌远程转移的AI模型的开发和验证:双中心研究
Wen-Hai Zhang1, Yang Tan2, Zhen Huang1
1Department of Breast Surgery, Guangxi Medical University Cancer Hospital, Nanning, Guangxi, China.
Frontiers in oncology
|July 1, 2024
概括
一个人工智能模型准确地预测乳腺癌的远程转移,使用血液标记物和成像. 轻GBM模型显示出卓越的性能,有助于早期诊断和改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 预测乳腺癌的远程转移对于治疗计划至关重要.
- 目前的方法可能缺乏对不同数据类型的全面整合.
研究的目的:
- 开发和验证人工智能模型,用于预测乳腺癌患者的远程转移.
- 为了比较物流回归 (LR) 和LightGBM算法的性能.
主要方法:
- 使用临床血液标记物,超声数据和活检病理学.
- 使用斯皮尔曼相关性和LASSO回归的应用特征选择.
- 构建并验证了LR和LightGBM预测模型.
主要成果:
- 与LR相比,LightGBM实现了更高的AUC值 (0.971训练,0.861内部,0.890外部).
- 通过决策曲线分析,LightGBM显示出卓越的临床效用.
- 确定了肌酸激酶异酶 (CK-MB) 和α-基酸脱酶作为关键预测因子.
结论:
- 整合临床,成像和病理数据的AI模型可以预测乳腺癌转移.
- 轻GBM模型显示了早期远程转移检测的巨大潜力.
- 这种方法为改善乳腺癌患者管理提供了一个有前途的工具.
