机器学习预测远程转移和预后分析中度差异化胃腺癌患者的预后分析:对淋巴结指标的新重点
Kangping Yang1, Jiaqiang Wu2, Tian Xu3
1Department of Gastroenterological Surgery, The Second Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi, China.
Frontiers in immunology
|October 4, 2024
概括
机器学习准确地预测了中度差异化胃腺癌 (MDGA) 的远程转移. 这项研究确定了关键的风险因素,并建立了生存预测模型,以改善患者预后和个性化治疗策略.
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:
- 适度差异化胃腺癌 (MDGA) 具有高转移风险和可变的患者预后.
- 准确预测远程转移 (DM) 和生存对于MDGA的个性化治疗至关重要.
- 淋巴结指标在预测DM和MDGA预后中的作用需要进一步澄清.
研究的目的:
- 开发和验证机器学习模型,用于预测中度差异化胃腺癌 (MDGA) 的远程转移 (DM).
- 在MDGA患者中确定DM的独立风险因素和总生存期 (OS) 和癌症特异性生存期 (CSS) 的预后因素.
- 评估淋巴结指标对DM发病率和患者预后的具体影响.
主要方法:
- 利用了SEER数据库和中国医院数据,其中包括5377名MDGA患者的数据.
- 应用了九个机器学习算法来预测DM,随机森林表现最好 (AUC = 0.919).
- 采用Cox和后勤回归分析来识别DM,OS和CSS的风险因素,并构建了生存名ograms.
主要成果:
- 确定T阶段,N阶段,瘤大小,主要部位,阳性淋巴结数量和化疗是DM的独立风险因素.
- T阶段,主要部位,化疗和区域淋巴结数量是OS和CSS的显著预后因素.
- 在DM患者中,名图显示了对1年,3年和5年的OS和CSS的良好预测价值.
- 转移性淋巴结的日志几率和负淋巴结的数量可能是DM的风险因素;区域淋巴结比率和区域淋巴结数量是OS的预后因素.
结论:
- 随机森林模型有效地识别了远程转移的高风险MDGA种群.
- 对于患有DM的MDGA患者,已建立的OS和CSS生存预测模型.
- 淋巴结指标表现出不同的特征,影响医院样本中的远程转移和预后.
