使用人工智能进行化疗后的骨髓瘤患者贫血风险预测模型
Zhiping Su1,2,3, Zhiwei Nong4, Feihong Huang2
1Department of Bone and Soft Tissue Surgery, Guangxi Medical University Cancer Hospital, Nanning, Guangxi Zhuang Autonomous Region, China.
Cancer medicine
|December 2, 2024
概括
一个新的机器学习模型预测了骨髓瘤患者的化疗后贫血. 它确定了常见的风险因素,如ALB,Ca,CREA,D-二次体和ESR,以更好地诊断和治疗.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 机器学习 机器学习
背景情况:
- 骨髓瘤是一种主要的骨恶性瘤,通常用化疗治疗.
- 化疗可以导致各种并发症,包括贫血,影响患者的结果.
- 预测和管理化疗后的贫血症对于有效的骨髓瘤治疗至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测化疗后骨髓瘤患者的贫血.
- 确定与化疗后贫血相关的关键临床和实验室风险因素.
- 为个性化诊断和治疗策略创建一个工具.
主要方法:
- 分析了来自631名骨质肉瘤患者的临床数据.
- 机器学习模型包括后勤回归,随机森林 (RF),支持矢量机 (SVM) 和LASSO.
- 通过交叉这些算法识别的共同风险因素,构建了一个新型模型.
主要成果:
- 二十五个风险因素与化疗后的贫血有关 (p < 0.05).
- 确定了五种常见的危险因素 (白,,肌,D-二次体,ESR).
- 最终的预测模型表现良好,AUC为0.85,内部验证为0.802.
结论:
- 一个利用临床和实验室数据的强大的机器学习模型可以预测化疗后骨髓瘤患者的贫血.
- 鉴定的常见危险因素为贫血的发展提供了洞察力.
- 开发的模型和相关的网络应用程序可以支持个性化的患者管理.
