机器学习驱动的孕期热囊细胞瘤生存预测:关注PSTT和ETT预后
Sakhr Alshwayyat1, Zena Haddadin1, Mustafa Alshwayyat1
1Faculty of Medicine, Jordan University of Science & Technology, Irbid, Jordan.
Frontiers in oncology
|October 15, 2024
概括
这项研究开发了机器学习模型,以预测怀孕期热囊细胞瘤 (GTN) 患者的结果. 这些模型确定了胎盘部位 trofhoblastic 瘤 (PSTT) 和上皮层 trofhoblastic 瘤 (ETT) 的关键预后因素,有助于临床决策.
科学领域:
- 妇科瘤学 妇科瘤学
- 热囊细胞疾病 热囊细胞疾病
- 机器学习在医学中的应用
背景情况:
- 胎盘部位 trofhoblastic 瘤 (PSTT) 和上皮层 trofhoblastic 瘤 (ETT) 的预后没有很好地定义.
- 孕期胆瘤 (GCC) 作为对照进行比较.
研究的目的:
- 总结PSTT和ETT的临床病理特征和预后.
- 使用机器学习 (ML) 为GTN开发准确的预后模型.
- 为了评估GTN的治疗有效性.
主要方法:
- 来自SEER数据库的725名患者的分析.
- 考克斯回归和5个ML算法用于预后建模和生存预测.
- 治疗选择的卡普兰-梅尔分析和模型验证的ROC曲线.
主要成果:
- 在ETT,PSTT和GCC组之间没有显著的生存差异.
- 转移 (GCC),老年和放射治疗 (PSTT/ETT) 是显著的预后因素.
- 渐变增强分类器显示了最高的准确性,瘤大小,诊断年份,年龄和种族是关键因素.
结论:
- 开发的ML模型为GTN中的个性化预后评估和治疗决策提供了一个工具.
- 确定了改善患者管理策略的关键预后指标.


