使用机器学习算法预测乳腺癌相关淋巴的建模
Yang Sun1, Xiaomin Xia1, Xia Liu1
1Department of Breast Oncology, Hainan Cancer Hospital, Haikou, China.
Gland surgery
|January 17, 2025
概括
机器学习准确地预测了与乳腺癌相关的淋巴风险 (BCRL). XGBoost模型确定了关键的影响因素,有助于早期检测和患者护理.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 乳腺癌相关的淋巴 (BCRL) 是一种常见的术后并发症,影响患者的生活质量.
- 传统的统计方法在分析BCRL的复杂影响因素方面存在局限性.
- 机器学习 (ML) 为在BCRL预测中建模多变量相互作用和对线性提供了先进的功能.
研究的目的:
- 确定影响乳腺癌患者BCRL发生的关键因素.
- 使用ML算法开发和验证BCRL的预测模型.
- 评估ML在预测BCRL风险方面的临床实用性.
主要方法:
- 追溯收集了240名乳腺癌患者的临床数据.
- 使用随机森林,支持矢量机和XGBoost算法开发预测模型.
- 使用ROC曲线分析,灵敏度,特异性,F1得分和校准图表来评估模型性能.
主要成果:
- 在BCRL风险的显著差异与高血压史,淋巴结剖析和治疗方式有关.
- XGBoost模型显示出优异的预测性能,AUC为0.99 (训练) 和0.89 (验证).
- XGBoost模型显示了良好的校准,表明可靠的风险预测.
结论:
- 机器学习,特别是XGBoost模型,为预测BCRL提供了一个强大的工具.
- 开发的模型有助于医疗保健专业人员进行准确和快速的BCRL风险评估.
- 这种方法有可能改善患者管理和乳腺癌幸存者的结果.
