基于机器学习的模型的开发和验证,以预测软组织肉瘤患者的术后整体存活率:一个回顾性队列研究
Xu Liu1, Jin Yuan1, Xinfeng Wang2
1Department of Orthopedics, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College Beijing 100021, China.
American journal of cancer research
|November 18, 2024
概括
一个新的机器学习模型,综合分析模型 (CAM),准确地预测软组织肉瘤 (STS) 患者的生存率. 这种工具有助于临床医生在治疗规划和患者随访中获得更好的结果.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 生物统计学 生物统计学
背景情况:
- 软组织肉瘤 (STS) 在预测术后整体存活率 (OS) 中带来了挑战.
- 对于STS,现有的预测模型需要加强,以获得全面的性能.
研究的目的:
- 开发一种基于机器学习的高级模型,用于预测STS患者手术后的OS.
- 创建一个强大的预测工具,超越当前的STS预测名录和模型.
主要方法:
- 利用了SEER数据库和国家癌症中心STS队列 (2010-2020).
- 应用机器学习用于特征选择 (包装方法) 和预测模型开发.
- 评估模型使用一致性指数 (C指数),校准曲线,ROC曲线和决策曲线分析 (DCA).
主要成果:
- 通过结合六个机器学习学习器和六个特征子集,开发了36个预测模型.
- 选择了综合分析模型 (CAM),因为它具有卓越的预测性能.
- CAM的C指数达到0.849 (培训) 和0.837 (验证),显示出优异的校准,准确性和临床效用.
- CAM的表现优于现有的所有STS预测和预测模型.
结论:
- 该CAM模型显示了在STS患者中预测术后的OS的显著潜力.
- 方便临床决策,对疾病严重程度评估和患者的随访.
- 帮助制定STS辅助治疗计划的战略制定.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
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
