在使用氧化应激标记的老年NSCLC患者中,基于机器学习的5年生存预测
Hao Chen1, Jiangjiang Xu2, Qiang Zhang1
1Department of Thoracic and Cardiovascular Surgery of the Affiliated Hospital of Putian University, Putian, Fujian, China.
Frontiers in oncology
|November 7, 2024
概括
机器学习模型可以使用氧化应激评分 (OSS) 预测老年非小细胞肺癌 (NSCLC) 患者的预后. 低OSS表明预后较差,指导治疗决策以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 生物标志物 生物标志物
- 机器学习 机器学习
背景情况:
- 氧化应激与衰老和癌症的发展有关.
- 对于老年非小细胞肺癌 (NSCLC) 患者的氧化应激和预后的机器学习研究有限.
研究的目的:
- 探索氧化应激评分 (OSS) 和老年NSCLC患者的预后之间的关系.
- 开发和评估机器学习模型,以预测这些患者的5年总生存期 (OS).
主要方法:
- 氧化应激评分 (OSS) 由六种系统性氧化应激生物标志物得出.
- 机器学习模型 (决策树,随机森林,支持矢量机) 被训练来预测5年的操作系统.
- 用内部和外部数据集验证模型性能.
主要成果:
- 低OSS被确定为预后不佳的重要指标.
- 随机森林 (RF) 模型表现出最高的预测准确性 (AUC 0.794内部,0.784外部验证).
- 与决策树模型相比,RF和SVM模型显示出更高的校准性.
结论:
- 使用机器学习的基于OSS的临床预测模型有效地预测了老年NSCLC患者手术后的预后.
- 这种方法为评估这一患者群体的生存结果提供了有价值的工具.
