基于机器学习的乳腺侵袭性微粒细胞癌的预后指数预测模型:基于SEER人口的SEER研究
Zirong Jiang1,2, Yushuai Yu1, Xin Yu1
1Department of Breast Surgery, Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital, Fuzhou, 350011, China.
BMC medical informatics and decision making
|September 28, 2024
概括
这项研究开发了一种XGBoost机器学习模型,以预测侵袭性微毛细细胞癌 (IMPC) 患者的5年生存率,这是一种罕见的乳腺癌亚型. 该模型显示了改善临床决策和患者结果的前景.
科学领域:
- 在瘤学瘤学.
- 机器学习在医学中的应用
- 生物统计学 生物统计学
背景情况:
- 侵入性微粒细胞癌 (IMPC) 是一种罕见的乳腺癌亚型,具有争论的流行病学特征,治疗和预后因素.
- 准确的预后预测对于IMPC患者的有效管理至关重要.
研究的目的:
- 开发一种先进的机器学习模型,用于预测侵入性微粒细胞癌 (IMPC) 患者的预后.
- 确定影响IMPC总和疾病特异性存活率的独立预后因素.
主要方法:
- 从SEER数据库中利用了1998-2019年间诊断的1123名IMPC患者的数据.
- 进行单变量和多变量考克斯回归分析以确定预后因素.
- 开发并评估了五种用于5年生存预测的机器学习算法.
主要成果:
- 年龄超过65岁和婚姻状况是显著的预后因素. 在2001-2005年间诊断的患者的死亡风险降低.
- XGBoost模型表现出卓越的性能,精度为0.818和AUC为0.863.
- 确定了影响IMPC患者存活率的主要人口和时间因素.
结论:
- 一个基于XGBoost的机器学习模型成功地开发出来,可以预测IMPC患者的5年总生存期 (OS).
- 该模型的强大性能表明其在IMPC早期预后确定中的实用性.
- 这种工具可以帮助临床医生改进管理策略,提高患者护理决策.


