基于机器学习的胃神经内分泌癌的实时生存预测
Fangchao Ding1, Yizhen Zhuang2, Shengxiang Chen3
1Department of Gastrointestinal Surgery, The Third Affiliated Hospital of Wenzhou Medical University, Wenzhou, China.
Annals of surgical oncology
|January 28, 2025
概括
这项研究开发了一种使用条件生存 (CS) 和机器学习的胃神经内分泌癌 (GNECs) 动态生存预测模型. 由此产生的名图为GNEC患者提供了个性化的预后见解.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 胃神经内分泌癌 (GNECs) 需要准确的预后工具.
- 动态生存预测模型对于个性化患者管理至关重要.
研究的目的:
- 为GNEC患者开发一个动态的生存预测模型.
- 利用条件生存 (CS) 分析和机器学习来提高预后准确性.
主要方法:
- 从SEER数据库 (2004-2015) 中分析了654个GNEC病例.
- 随机生存森林 (RSF) 和LASSO回归用于变量选择的应用.
- 开发和验证基于CS的名录,包括年龄,瘤等级,阶段,手术和化疗.
主要成果:
- 条件生存概率随着诊断后每增加一年的生存时间显著增加.
- 一个基于CS的名ogram被成功开发和验证.
- 诺米图有效地根据风险对患者进行了分层,证明了其卓越的疗效.
结论:
- 条件生存 (CS) 分析为GNEC提供了宝贵的预后见解.
- 开发的诺米图提供了动态和个性化的生存预测.
- 该工具支持为GNEC患者开发个性化治疗策略.
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
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
205
