机器学习模型预测肺癌患者的骨转移风险
Kevin Wang Leong So1, Evan Mang Ching Leung1, Tommy Ng1
1Department of Orthopaedics and Traumatology, School of Clinical Medicine, Li Ka Shing Faculty of Medicine, The University of Hong Kong, Hong Kong.
Cancer medicine
|November 18, 2024
概括
机器学习确定了肺癌患者骨转移的关键因素. 美国癌症联合委员会癌症分期,EGFR抑制剂使用,T分期和淋巴血管入侵增加风险,而年龄较大降低了风险.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 医疗信息学 医疗信息学
背景情况:
- 骨转移是肺癌患者的重要并发症.
- 准确预测骨转移风险对于有效的治疗计划至关重要.
研究的目的:
- 确定机器学习算法的最佳变量,以预测原发性肺癌中的骨转移.
- 在肺癌患者中开发骨转移风险的预测模型.
主要方法:
- 分析了2016年至2021年间诊断的1864名肺癌患者的队列.
- 评估了25个潜在的风险因素,包括治疗方法.
- 一个二元结果变量 (骨转移的存在/不存在) 用于12个月的随访期.
主要成果:
- 美国癌症联合委员会 (AJCC) 的分期,EGFR抑制剂的使用,T分期和淋巴血管侵入被确定为骨转移风险增加的显著预测因素.
- 发现年龄较大与骨转移的风险降低有关.
- 该模型强调了这五个变量的预测能力:AJCC分期,EGFR抑制剂使用,年龄,T分期和淋巴血管入侵.
结论:
- 开发的机器学习模型准确预测肺癌患者的骨转移风险.
- 整合到医院的临床管理系统可以提供即时的风险评估.
- 这有助于为个别患者制定个性化治疗策略.
