乳腺癌眼转移的预测模型:机器学习模型开发和解释研究
Ru-Yi Rong1, Yan-Kun Shen1,2, Shi-Nan Wu3
1Department of Ophthalmology, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi Province, 330006, China.
BMC cancer
|November 29, 2024
概括
机器学习准确地预测乳腺癌 (BC) 眼转移风险,使用引导聚合 (BAG) 模型. 这种工具有助于早期诊断和治疗,改善患者的治疗结果,减少社会负担.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 乳腺癌 (BC) 是女性癌症发病率的主要原因.
- 在BC的眼球转移,虽然很少见,但表明预后不佳.
- 识别BC眼转移的危险因素对于及时干预至关重要.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测乳腺癌患者的眼转移.
- 为了确定与BC眼转移相关的关键风险因素.
- 创建一个临床工具来评估OM风险.
主要方法:
- 收集了2225名BC患者 (2003-2019) 的临床数据.
- 采用了后勤回归,LASSO和6个ML算法,包括引导聚合 (BAG).
- 使用十倍交叉验证和ROC曲线分析验证模型;开发了一个网络危险计算器.
主要成果:
- 多变量分析确定CA153,ApoA和LDL是显著的危险因素.
- 拉索强调ALNM,LDL,CA125,Hb,ALP和CA199作为关键的诊断变量.
- 该BAG模型实现了高性能 (AUC=0.992,精度=0.953,灵敏度=0.987).
结论:
- 开发的ML模型,特别是BAG,有效地预测BC眼转移风险.
- 这种预测工具可以促进OM的早期检测和治疗.
- 该模型为临床医生提供了宝贵的资源,有可能减少患者的发病率和医疗保健成本.
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
05:46Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography
Published on: December 2, 2022
1.6K
