使用机器学习模型对乳腺癌患者的预后预测:回顾性分析
Xuchun Song1, Jiebin Chu1,2, Zijie Guo2
1College of Biomedical Engineering and Instrument Institute, Zhejiang University, Hangzhou, China.
Gland surgery
|October 18, 2024
概括
机器学习模型,特别是XGBoost,使用临床数据准确预测乳腺癌预后. 这有助于制定个性化治疗策略,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 预测乳腺癌的预后对于个性化治疗至关重要.
- 临床特征显著影响患者的治疗结果.
- 追溯数据分析是开发预测模型的关键.
研究的目的:
- 开发和评估用于预测乳腺癌预后的机器学习模型.
- 确定影响乳腺癌存活率的关键临床特征.
- 比较不同机器学习算法的性能.
主要方法:
- 使用了6,477名患者的电子病历 (EMR).
- 确定了与生存相关的15个重要的临床特征.
- 应用了8个机器学习算法,包括XGBoost,并测试了各种训练/测试比率.
主要成果:
- XGBoost获得了最高的性能 (ROC AUC 0.813,精度为 0.739).
- 关键预测因素包括年龄,瘤大小,淋巴结状况和激素受体状况.
- XGBoost模型的表现优于已有的预测工具 (NPI,预测乳腺).
结论:
- 机器学习模型显示了准确的乳腺癌预后的巨大潜力.
- 开发的基于XGBoost的工具为临床决策提供了宝贵的见解.
- 这些预测模型的临床整合需要进一步验证.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
8.9K
