预后分析和基于机器学习的疾病特异性存活状态模型,用于肺大细胞神经内分泌癌
Xiongye Xu1, Baomo Liu1, Yan Su1
1Department of Respiratory and Critical Care Medicine, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Journal of thoracic disease
|September 13, 2024
概括
肺大细胞神经内分泌癌 (PLCNEC) 的预后因男性性别,年龄较大和转移而恶化,但通过手术和化疗得到改善. 机器学习,特别是GBDT,有效地预测了PLCNEC患者的2年生存期.
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:
- 肺大细胞神经内分泌癌 (PLCNEC) 是一种罕见的,具有有限临床数据的侵袭性肺癌.
- 临床特征和PLCNEC的治疗策略仍然是持续辩论的主题.
- 这项研究旨在阐明预后因素,并开发PLCNEC结果的预测模型.
研究的目的:
- 确定影响PLCNEC患者疾病特异性存活率 (DSS) 的独立预后因素.
- 开发和验证一种机器学习模型,用于PLCNEC中预测2年生存率.
- 为PLCNEC管理提供可靠的临床决策工具.
主要方法:
- 使用了2,897名PLCNEC患者的SEER数据库 (2010-2020年).
- 进行了考克斯回归分析,以确定DSS的独立预后因素.
- 应用了10个机器学习算法来预测2年生存率,并根据外部数据进行了验证.
主要成果:
- PLCNEC的独立预后因素包括性别,年龄,手术,化疗和转移 (骨,大脑,肝脏).
- 手术和化疗显著改善了预后 (HR < 1).
- 渐变增强决策树 (GBDT) 显示出优异的预测性能 (F1评分为0.791,AUC为0.831).
结论:
- 男性性别,晚年 (≥65岁) 和远程转移 (骨,肝脏,大脑) 与较差的PLCNEC预后有关.
- 手术干预和化疗与PLCNEC中改善的生存结果相关.
- GBDT模型对预测2年生存率具有前景,有助于PLCNEC的临床实践.
