在乳腺侵袭性微粒细胞癌中进行术前淋巴结转移风险评估:开发基于机器学习的预测模型,使用基于网络的计算器进行预测
Yan Zhang1, Nan Wang2, Yuxin Qiu1
1School of Clinical Medicine, Shandong Second Medical University, Weifang, China.
World journal of surgical oncology
|April 23, 2025
概括
这项研究确定了侵袭性微粒细胞癌 (IMPC) 中淋巴结转移 (LNM) 的关键预测因素,并开发了一种机器学习模型来预测乳腺癌患者的LNM风险.
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:
- 侵入性微粒细胞癌 (IMPC) 是一种罕见的乳腺癌亚型,具有高淋巴结转移 (LNM) 风险.
- 预测LNM对于IMPC患者的有效治疗计划至关重要.
研究的目的:
- 为了确定乳腺中LNM的独立预测因子IMPC.
- 开发和验证基于机器学习 (ML) 的乳腺LNM风险预测模型. IMPC.
主要方法:
- 对229名乳腺IMPC患者 (2019-2021) 的回顾性分析.
- 后勤回归用于识别风险因素并比较13个ML算法.
- 模型性能使用AUC,校准图和与交叉验证的决策曲线分析进行评估.
主要成果:
- 在69%的患者中观察到LNM.
- 瘤大小,组织学等级,孕激素受体强度和淋巴血管入侵是显著的LNM预测因素.
- 后勤回归模型实现了0.88的AUC,名图显示了76%的分类准确度.
结论:
- 确定了乳腺IMPC中LNM的关键预测因素.
- 一个经过验证,经过精确校准的诺姆图谱有助于IMPC患者个性化治疗决策.
