机器学习Nomogram用于预测乳腺癌患者在tamoxifen治疗后的子宫内膜病变
Cao Shaoshan1, Chen Niannian2, Ma Ying3
1Department of Obstetrics and Gynecology, Mianyang Central Hospital, University of Electronic Science and Technology of China, Mianyang, 621000, Sichuan, China.
Scientific reports
|January 6, 2025
概括
这项研究开发了一种机器学习模型,用于预测用塔莫西芬 (TAM) 治疗的乳腺癌患者的子宫内膜病变. 该模型有助于早期检测和个性化治疗绝经前妇女.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 妇科 妇科医生 妇科
背景情况:
- 子宫内膜病变是乳腺癌患者的常见并发症,特别是那些接受着他莫西芬 (TAM) 治疗的患者.
- 目前对子宫内膜病变的诊断方法有局限性,需要改进预测工具.
研究的目的:
- 开发和验证一种基于机器学习的诺姆图,用于在绝经前乳腺癌患者中早期检测子宫内膜病变.
- 评估风险并为这一患者群体提供个性化治疗策略.
主要方法:
- 这是一项对224名患者进行的回顾性研究,这些患者接受了TAM治疗后的诊断除治疗.
- 使用R软件进行数据分析,比较三种机器学习方法 (包括LASSO回归) 来构建预测模型.
- 通过引导方法进行内部验证,通过对应指数 (C-index) 和校准曲线评估准确性.
主要成果:
- 鉴定了超声波特征,TAM持续时间,大肠裂和子宫内膜厚度作为独立的风险因素 (P <0.05).
- 拉索回归和后勤回归模型的C指数达到0.874,准确度为0.853,精度为0.917.
- 在训练 (0.874) 和测试 (0.891) 组中表现出强大的预测性能,AUC值高.
结论:
- 开发的机器学习模型有效地预测了绝经前乳腺癌患者的子宫内膜病变.
- 该工具为增强的临床预测和个性化治疗策略提供了基础.
- 旨在通过早期检测和对子宫内膜异常进行量身定制的管理来改善患者的治疗结果.
