针对头部和部状细胞癌的老年患者进行非手术治疗:基于深度学习的方法
Yang Li1, Qinyu Xiao2, Haiqi Chen3
1Heilongjiang University of Chinese Medicine, Harbin, China.
Medicine
|September 17, 2024
概括
深度学习模型可以为老年头癌患者个性化化疗. 自正常化平衡的个人治疗效果模型最好地确定了谁从化疗放射治疗中受益,改善了生存预测.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 生物统计学 生物统计学
背景情况:
- 头部和部平细胞癌 (HNSCC) 的老年患者往往有有限的治疗选择,特别是如果不是手术的候选人.
- 个性化治疗选择对于优化这一群体的治疗结果至关重要.
研究的目的:
- 评估深度学习模型,以对老年HNSCC患者进行个性化化疗选择.
- 量化患者特征对治疗疗效的影响.
- 将模型建议与标准指南进行比较.
主要方法:
- 使用逆概率治疗权重 (IPTW) 来解决偏差.
- 使用混合效应回归来分析患者特征对治疗选择的影响.
- 基于模型建议的治疗结果与实际接受的治疗方法进行了比较,使用整体存活率作为主要终点.
主要成果:
- 自正常化平衡的个人治疗效应对生存数据模型在治疗建议方面表现优越.
- 与其他模型和指南相比,该模型显示了生存指标的显著改善 (HR 0.74,RD 9.92%,RMST差异为16.42个月).
- 在模型不推的患者中,没有观察到化学辐射疗法的生存益处.
结论:
- 自正常化平衡的个人治疗效果模型有效地识别了老年HNSCC患者,他们可以从化疗放射治疗中受益.
- 这种人工智能方法提供了个性化的生存预测和治疗建议,有可能改善患者的治疗结果.
- 为了广泛实施,需要进一步的临床验证.
