基于神经多任务逻辑回归的边界卵巢瘤患者中复发的预测模型
Qiulin Ye1, Yue Qi1, Juanjuan Liu1
1Department of Obstetrics and Gynaecology, Shengjing Hospital of China Medical University, No. 36 Sanhao Street, Heping District, Shenyang, Liaoning, 110004, China.
BMC cancer
|February 18, 2025
概括
一个新的神经模型准确地预测了边缘卵巢瘤 (BOT) 的复发,超过了传统方法. 该工具有助于识别高风险患者,以便及时干预和改善管理.
科学领域:
- 妇科瘤学 妇科瘤学
- 机器学习在医学中的应用
- 临床预测模型临床预测模型
背景情况:
- 有效管理边缘性卵巢瘤 (BOT) 需要早期识别患有复发高风险的患者.
- 人工神经网络在预测临床事件和影响医疗决策方面表现有前途.
研究的目的:
- 开发和验证一种使用神经多任务逻辑回归 (N-MTLR) 的新型临床模型,用于预测手术治疗BOT患者的复发.
- 将N-MTLR模型的预测性能与传统的考克斯回归模型进行比较.
主要方法:
- 一项对736名BOT患者 (2011年5月至2022年8月) 的回顾性研究,其中84例复发.
- 合成少数人过量抽样技术 (SMOTE) 为1:1的复发/非复发组平衡了数据集.
- 经过N-MTLR和Cox回归模型的训练和验证,使用了包括时间依赖AUC,灵敏度,特异性,PPV和NPV在内的指标.
主要成果:
- 该N-MTLR模型确定了关键预测因素:节育性手术 (FSS),手术的完整性,并发症,FIGO分期,年龄,骨切除术,淋巴切除术,平价,更年期状态和腹膜植入.
- 在2,4年和7年的随访中,N-MTLR在AUC,精度,特异性,PPV和NPV方面表现优于Cox回归.
- 考克斯回归确定的独立风险因素包括绝经前期,腹腔镜手术,瘤破裂,晚期,未切割的淋巴结,双边瘤和FSS.
结论:
- N-MTLR模型为预测边界卵巢瘤复发提供了一个有效的工具.
- 早期识别高风险患者有助于更密切的监测,量身定制的治疗和及时的干预.
