预测乳腺癌缓解的预测
Vladimir Cardenas1, Yalin Li, Samika Shrestha
1Author Affiliations: Health and Administration Policy Department, College of Public Health, George Mason University, Fairfax, Virginia.
Quality management in health care
|April 1, 2025
概括
这项研究使用电子健康记录和健康数据的社会决定因素预测乳腺癌缓解. 机器学习模型显示了早期检测和个性化乳腺癌护理的潜力.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 预测乳腺癌缓解对于个性化治疗策略至关重要.
- 电子健康记录 (EHR) 和健康社会决定因素 (SDOH) 为预测建模提供了可访问的数据.
研究的目的:
- 开发和评估用于预测乳腺癌缓解的机器学习模型,使用EHR和SDOH数据.
- 确定缓解的关键预测因素,并评估不同种族和种族群体的模型性能.
主要方法:
- 利用了来自"我们所有人"研究数据库的1,621名接受他莫西芬治疗的乳腺癌患者的数据.
- 采用特征选择技术 (强规则,后勤LASSO回归) 和训练模型 (后勤回归,随机森林,天真贝叶斯,XGBoost).
- 使用接收器操作曲线下的区域 (AUROC) 评估模型性能,包括种族中立和种族特定的分析.
主要成果:
- 模型实现了AUROC范围为0.68-0.75,后勤回归和随机森林表现最好.
- 重要的预测因素包括黑色细胞和骨疾病.
- 与种族中立模型相比,非西班牙裔黑人和其他种族/种族群体的种族特异性表现较低.
结论:
- 使用易于获得的EHR和SDOH数据,预测乳腺癌的非缓解是可行的.
- 模型对早期治疗决策和改善患者治疗结果有希望.
- 进一步完善数据质量和缓解指标可以提高临床效用.


