我们如何安全地保存宫腺癌患者的卵巢:风险因素和预测模型

科学领域:

• 妇科瘤学 妇科瘤学
• 机器学习在医学中的应用
• 癌症预后 癌症预后

背景情况:

• 宫腺癌 (ADC) 存在卵巢转移 (OM) 的风险.
• 准确预测OM对于治疗决策和患者的结果至关重要.
• 在ADC患者中管理卵巢保存的现有标准可能会得到改进.

研究的目的:

• 开发和验证患有宫腺癌 (ADC) 的患者卵巢转移 (OM) 的预测模型.
• 确定一个低风险人群,对于这些人来说,可以考虑保存卵巢.
• 潜在地改善选择的ADC患者的生活质量.

主要方法:

• 在2015-2022年期间接受治疗的934名ADC患者的回顾性分析.
• 机器学习模型的开发 (随机森林,LASSO等) 使用培训队列.使用培训队列.
• 在测试队列和整个患者队列中验证最佳预测模型 (随机森林).

主要成果:

• 随机森林模型表现出高的预测准确性 (AUC 0.971训练,0.962测试).
• 开发了一个名图来计算OM风险,将患者分为高风险和低风险组.
• 该模型确定了822名患者为OM的低风险患者,使得潜在的卵巢保存而不影响生存.

结论:

• 一个经过验证的机器学习模型有效地预测了宫腺癌患者的OM风险.
• 这种模型扩大了卵巢保存的标准,有可能提高患者的生活质量.
• 这些发现支持基于个人OM风险的ADC个性化治疗策略.