综合性预后建模III期肺腺性癌瘤切除后瘤:机器学习见解和基于网络的实施
Min Liang1,2, Peimiao Li3, Shangyu Xie2
1Department of Respiratory and Critical Care Medicine, Maoming People's Hospital, Maoming, China.
Frontiers in surgery
|November 7, 2024
概括
一个新的机器学习模型确定了在手术后预测第三阶段肺腺皮癌 (ASC) 患者的生存的关键因素. 这种工具有助于临床医生进行个性化治疗和患者咨询,以获得更好的结果.
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:
- 第三阶段肺腺状癌 (ASC) 切除后的预后尚不清楚.
- 预测模型可以指导ASC患者的临床决策和治疗策略.
研究的目的:
- 开发和验证一种机器学习模型,用于预测第三阶段ASC的整体存活率 (OS).
- 确定影响ASC患者的OS的独立预后因素.
主要方法:
- 使用了监测,流行病学和最终结果 (SEER) 数据库 (2000-2018).
- 使用Boruta分析进行因子识别和梯度提升,随机森林和神经网络算法进行模型构建.
- 使用AUC,校准图,Brier分数和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 确定了七个因素:年龄,性别,瘤大小,N期,初级部位,化疗和全身治疗.
- 较低的生存率与年龄较大,男性性别,较大的瘤以及缺乏化疗/全身治疗有关.
- 随机森林模型表现出卓越的性能 (3/5年AUC:0.80/0.79培训,0.74/0.65验证) 并作为网络工具部署.
结论:
- 开发了一个强大的机器学习模型,用于第三阶段的预后评估ASC.
- 创建了一个基于网络的工具,以支持个性化的临床决策,并优化ASC患者的治疗.
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
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
