开发一种基于机器学习的预测模型,用于白人美国人骨中过渡性细胞癌:基于SEER的研究
Zhenyu Liu1, Hang Ma2, Ziqi Guo3
1Department of Urology, The First Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Translational andrology and urology
|January 16, 2025
概括
这项研究开发了一种预测模型,用于白人美国人患有骨过渡细胞癌 (TCC) 的癌症特异性生存率. 诺米图帮助临床医生决定治疗这种罕见的尿路癌症.
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.
- 医疗信息学 医疗信息学
背景情况:
- 骨的过渡性细胞癌 (TCC) 是一种罕见的尿道系统癌症,预后不佳.
- 预测癌症特异性存活率 (CSS) 对于治疗骨TCC患者至关重要.
研究的目的:
- 开发一种临床模型来预测1年,3年和5年的CSS,用于患有骨TCC的白人美国人.
- 创建一个名图,以协助临床医生选择治疗策略.
主要方法:
- 从SEER数据库对被诊断患有骨TCC (2010-2015年) 的美国白人患者的回顾性分析.
- 使用Boruta算法进行特征选择,使用XGBoost-SHAP进行可视化.
- 使用已识别的独立预后变量开发一个名ogram模型.
主要成果:
- 总共有1887名患者被纳入.
- 在训练组中,CSS名图实现了AUC从0.733到0.813,在验证组中达到0.775到0.785.
- 小组分析显示了强大的预测性表现.
结论:
- 为预测CSS在患有骨TCC的白人美国患者中构建了一个高效的nomogram.
- 诺米图可以潜在地改善患者护理,并指导最佳治疗选择.
