基于机器学习的模型用于预测脑髓母细胞瘤的生存率:系统性审查和元分析
Bardia Hajikarimloo1, Mohammad Amin Habibi2, Mohammadamin Sabbagh Alvani3
1Department of Neurological Surgery, University of Virginia, Charlottesville, VA, USA. kjh7vp@uvahealth.org.
概括
机器学习 (ML) 模型在预测儿科脑髓母细胞瘤 (MB) 患者的存活率方面表现有前途. 这些模型,特别是那些使用放射学和基因组学的模型,提供了一种高效的预后方法.
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:
- 脑髓母细胞瘤 (MB) 是儿童中最常见的恶性脑瘤.
- 准确的预后对于量身定制MB治疗策略至关重要.
- 机器学习 (ML) 模型越来越多地被探索用于预测MB的生存结果.
研究的目的:
- 系统地审查和评估基于ML的模型在预测脑髓母细胞瘤患者的存活率方面的有效性.
- 通过元分析综合现有研究的发现.
主要方法:
- 在PubMed,Embase,Scopus和Web of Science进行了系统的文献搜索.
- 应用了资格标准,并从包含的研究中提取了数据.
- 质量评估使用了QUADAS-2工具,并使用R软件进行了元分析和灵敏度分析.
主要成果:
- 包括6项涉及2771名患者的研究,开发了23个ML和深度学习 (DL) 模型.
- 随机森林 (RF) 和支持矢量机 (SVM) 是最常见的ML分类器.
- 分析结果显示,曲线下的积分面积 (AUC) 为0.77 (95% CI:0.75-0.80),基于放射学和基因组学的模型表现相似.
结论:
- 基于ML的模型,特别是ML算法,在预测脑髓母细胞瘤患者存活率方面显示出显著的潜力.
- 与ML集成的放射学和基因组学数据提供了一个高效的预测框架.
- 进一步的研究可以完善这些模型,以改善临床预后.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
