使用机器学习来预测食道癌的骨转移:基于人口的研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 食道癌 (EC) 构成骨转移 (BM) 的重大风险.
• 准确预测BM对于有效的患者管理和治疗规划至关重要.
• 现有的预测工具可能缺乏个性化瘤学所需的精度.

研究的目的:

• 开发和验证基于机器学习 (ML) 的骨转移 (BM) 预测模型,用于食道癌 (EC) 患者.
• 确定与欧盟的BM发展相关的关键风险因素.
• 创建一个临床风险评估的实用工具.

主要方法:

• 利用了来自监测,流行病学和最终结果 (SEER) 数据库 (2010-2020) 的大量数据集 (21,032例).
• 采用单变量和多变量逻辑回归 (LR) 分析来确定10个BM的独立风险因素.
• 开发并比较了七个ML模型,包括一个基于LR的模型,评估了AUC,精度,灵敏度,特异性和F-score的性能.

主要成果:

• 确定了年龄,性别,组织学类型,T阶段,N阶段,手术,化疗以及脑,肺和肝转移作为BM的独立风险因素.
• 基于LR的ML模型表现出卓越的性能,AUC为0.831,准确度为0.721,灵敏度为0.787,特异性为0.717.
• 内部验证证实了该模型强大的预测能力.

结论:

• 成功开发了一个在线计算器,使用LR模型来预测EC患者的BM风险.
• 该工具提供了高精度和特异性,支持个性化治疗计划的开发.
• 这种基于ML的方法增强了患有骨转移风险的EC患者的临床决策.