在局部晚期宫癌中整合新型和经典预后因素:基于机器学习的预测模型 (ESTHER研究)
Federica Medici1,2, Martina Ferioli3, Arina Alexandra Zamfir2
1Département de Radiothérapie, Gustave Roussy, 94 805 Villejuif, France.
Journal of personalized medicine
|April 25, 2025
概括
血红蛋白水平和ECOG表现状态是局部晚期宫癌 (LACC) 结果的关键预测因素. 整合这些因素的机器学习模型可以提高治疗策略的预后准确性.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 医疗信息学 医疗信息学
背景情况:
- 局部晚期子宫癌 (LACC) 的治疗依赖于化疗辐射和支臂疗法.
- 对LACC结果的预测因素需要进一步阐明.
研究的目的:
- 评估LACC患者治疗前营养,炎症和身体成分指数的预后意义.
- 通过机器学习识别局部控制,无转移生存率,无疾病生存率和整体生存率的关键预测因素.
主要方法:
- 在2007年至2021年期间接受治疗的173名LACC患者的回顾性分析.
- 应用机器学习技术 (LASSO回归,CART) 来识别预后预测因素.
- 包括临床数据,瘤参数,治疗因素,炎症指数 (IIs) 和身体组成指标.
主要成果:
- 血红蛋白 (Hb) 水平,ECOG性能状态和总蛋白质是主要的预后指标.
- 较高的Hb水平 (>11.9 g/dL) 与明显更好的2年和5年局部控制和整体存活率相关.
- ECOG表现状况分层化无转移生存率,ECOG 0患者表现更好.
- 炎症指数 (ANRI,SIRI,MLR) 在特定子组内显示出预测价值.
- 机器学习模型显示出强大的预测精度 (AUC 0.6560.851).
结论:
- 将传统因素与新兴标记物相结合,可以提高LACC的风险分层.
- 机器学习技术 (LASSO,CART) 显示出强大的预测能力,可以完善个性化治疗.
- 需要进行前性验证,以确认这些预测模型的临床效用.
