基于机器学习的非puerperal乳腺炎患者的复发模型
Gaosha Li1,2, Qian Yu1, Feng Dong3
1Department of Clinical Laboratory, Affiliated Jinhua Hospital, Zhejiang University School of Medicine, Jinhua, China.
PloS one
|January 17, 2025
概括
一个新的机器学习模型准确地预测了非乳腺性乳腺炎 (NPM) 的复发. 这种工具有助于个性化治疗,改善治疗结果,降低患有这种炎症性乳腺疾病的患者复发风险.
科学领域:
- 在瘤学瘤学.
- 传染性疾病 传染性疾病
- 免疫学 免疫学 免疫学
背景情况:
- 非乳腺性乳腺炎 (NPM) 是一种炎症性乳腺疾病,影响哺乳期以外的女性.
- NPM具有很高的复发倾向,需要有效的预测策略.
- 目前的诊断方法缺乏NPM复发的预测模型.
研究的目的:
- 开发和验证一种机器学习模型,用于预测非乳腺乳腺炎复发.
- 通过数据分析,确定NPM复发的关键预测因素.
主要方法:
- 从120名NPM患者的实验室数据的回顾性分析.
- 使用后勤回归,XGBoost,随机森林和AdaBoost算法开发一个预测模型.
- 使用内部测试和外部验证队伍验证模型.
主要成果:
- 选择了后勤回归模型作为最佳预测因素,利用FIB,细菌感染和CD4+T细胞计数.
- 该模型在训练组中达到0.846的AUC,在测试组中达到0.833.
- 外部验证显示了强的性能,AUC为0.825.
结论:
- 开发的机器学习模型有效地预测了NPM的复发.
- 该工具支持NPM患者个性化辅助治疗决策.
- 该模型有助于提高治疗效率并最大限度地降低复发率.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
