使用机器学习预测中等风险前列腺癌
Miroslav Stojadinovic1, Milorad Stojadinovic2, Slobodan Jankovic3
1Faculty of Medical Sciences, University of Kragujevac, Svetozara Markovica 69, 34 000, Kragujevac, Serbia. midinac@gmail.com.
International urology and nephrology
|January 3, 2025
概括
一个新的机器学习模型使用活检预测器准确预测中等风险前列腺癌 (IR PCa) 的概率. 这种先进的模型表现出比传统方法更高的性能,可能减少不必要的活检.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 机器学习在医学中的应用
背景情况:
- 中期风险前列腺癌 (IR PCa) 是局部前列腺癌最常见的风险组.
- 准确的风险分层对于适当的患者管理和避免过度治疗至关重要.
研究的目的:
- 开发和评估一种机器学习 (ML) 模型,用于预测IR PCa的概率.
- 将ML模型与传统临床模型的性能进行比较,以确定IR PCa.
主要方法:
- 一个通用线性模型 (GLM) 使用了包括年龄,PSA,数字直肠检查结果,前列腺体体积和PSA密度 (PSAD) 在内的活检前预测因素.
- 模型的区分能力是使用接收器运行特征曲线 (AUC) 下的面积来评估的.
- 分析了2017年1月至2022年12月的患者数据,包括活检结果.
主要成果:
- 这项研究包括729名患者,其中120名 (16.5%) 被诊断为IR PCa.
- 新型ML模型的AUC为0.806,显著超过临床模型的AUC0.669 (p=0.018).
- GLM显示了减少44.3%不必要的活检的潜力,PSAD被确定为最重要的预测因素.
结论:
- 一个利用活检前特征的GLM成功地开发出来,可以预测IR PCa.
- 开发的模型显示了强大的差异化性能和临床适用性.
- 这种ML工具可以帮助泌尿科医生更好地确定前列腺活检的必要性.
