基于机器学习的诊断因素的识别,用于NOS肉瘤患者的手术管理
Christoph Wallner1, Sonja V Schmidt1, Felix Reinkemeier1
1From the Department for Plastic and Hand Surgery, BG University Hospital Bergmannsheil Bochum, Ruhr University Bochum, Bochum, Germany.
Plastic and reconstructive surgery. Global open
|April 4, 2025
概括
机器学习确定了非其他指定 (NOS) 肉瘤的关键因素. 年龄,瘤大小和位置影响生存,而BMI和等级预测复发,有助于个性化治疗.
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:
- 非另有指定 (NOS) 瘤是具有不可预测的临床过程的具有挑战性的介质细胞恶性瘤.
- 准确的风险分层和个性化治疗对于改善患者的治疗结果至关重要.
- 现有的NOS肉瘤的诊断和预后工具需要改进.
研究的目的:
- 确定NOS肉瘤患者的生存,转移性进展和复发的关键预测因素.
- 利用机器学习来提高NOS肉瘤的风险分层.
- 为这个患者群体提供个性化治疗策略的信息.
主要方法:
- 应用分类和回归树和沙普利添加式解释 (SHAP) 值.
- 分析了一组122名被诊断患有NOS瘤的患者.
- 利用先进的机器学习来识别重要的预后因素.
主要成果:
- 年龄和瘤直径是转移的重要预测因素.
- 体重指数和瘤等级是复发的关键预测因素.
- 瘤的大小,位置和年龄影响了整体存活率.
结论:
- 年龄,瘤大小,位置,BMI和瘤等级是管理NOS肉瘤的关键因素.
- 机器学习模型可以确定临床决策的重要预测因素.
- 这些发现支持改善NOS肉瘤的风险分层和个性化治疗方法.
