在nmCRPC患者中开发和验证基于机器学习的转移性疾病风险模型:瘤标志物预后研究

科学领域:

• 在瘤学瘤学.
• 前列腺癌研究 研究前列腺癌
• 机器学习在医学中的应用

背景情况:

• 非转移性抵抗割的前列腺癌 (nmCRPC) 是一个重大的临床挑战,其转移率和死亡率很高.
• 目前,没有经过验证的预后模型可以预测nmCRPC患者的转移概率.
• 开发预测工具对于管理这种患者群体至关重要.

研究的目的:

• 开发和外部验证用于预测nmCRPC患者转移风险的机器学习模型.
• 创建风险评分并确定分层转移概率的关键因素.
• 为nmCRPC管理提供临床决策工具.

主要方法:

• 利用了来自SPARTAN和ARAMIS试验的2716名nmCRPC患者的数据.
• 将10个机器学习模型应用于13个临床特征,以预测无转移生存率.
• 使用AUC,校准和临床效用评估模型性能,确定了八个关键预后因素.

主要成果:

• 开发了一个结合八个因素 (新型荷尔蒙疗法,格里森得分,先前治疗,种族,PSADT,HGB,lgPSA) 的预后模型.
• 该模型在内部验证中获得了0.724的C指数,并表现出良好的外部验证性能.
• 风险分层显示,与低风险组相比,中高风险组的转移风险比率显著增加.

结论:

• 一个经过验证的机器学习模型有效地预测了nmCRPC患者的转移风险.
• 该模型有助于风险分层,指导随访和个性化治疗强度.
• 这种预后工具有可能改善nmCRPC的临床管理策略.