人工智能模型使用LightGBM与临床血液标记器和超声波最大直径预测乳腺癌远程转移
Yang Tan1, Wen-Hai Zhang2, Zhen Huang2
1Department of Pathology, The First Affiliated Hospital of Guangxi Medical University, No.6 Shuangyong Road, Nanning, 530000, Guangxi Zhuang Autonomous Region, China.
Scientific reports
|July 5, 2024
概括
这项研究开发了使用血液测试和超声波预测乳腺癌转移的AI模型. 组合模型显示出更高的准确性,为早期检测和患者管理提供了具有成本效益的工具.
科学领域:
- 在瘤学瘤学.
- 医疗人工智能 医疗人工智能
- 诊断成像 诊断成像 诊断成像
背景情况:
- 乳腺癌转移构成了全球重大健康挑战.
- 转移的预测模型对于有效的患者管理至关重要.
- 目前的方法可能缺乏成本效益或可访问性.
研究的目的:
- 构建和验证用于预测乳腺癌远程转移的AI模型.
- 利用可访问的临床血液标记物和超声数据.
- 为了确保临床适用性,成本效益和非侵入性.
主要方法:
- 分析了416名乳腺癌患者的数据.
- 使用的临床血液标记物和超声波病变直径.
- 轻GBM模型在多个队伍中开发和验证.
- 通过斯皮尔曼相关性和LASSO回归来减少特征.
主要成果:
- 组合模型 (血液标记物+超声波) 实现AUC为0.955 (训练),0.835 (内部测试) 和0.918 (外部验证).
- 临床模型 (仅血液标记物) 实现AUC为0.950 (训练),0.795 (内部测试) 和0.883 (外部验证).
- 关键预测因素包括肌酸激酶单酶 (CK-MB),CEA,CA153,白蛋白和病变直径.
结论:
- 整合临床血液标志物和超声数据的AI模型可以有效地预测乳腺癌远程转移.
- 组合模型表现出卓越的准确性和概括性能.
- 这些发现支持为临床瘤学开发可访问,具有成本效益的工具.
