腹膜细胞学预测子宫癌的远程转移:机器学习模型开发和验证
Qiaoming Lin1,2, Qi Guan1,2, Danru Chen1,2
1Department of Gynecology, Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital, N0.420 Fuma Road, Fuzhou, Fujian, 350014, China.
World journal of surgical oncology
|April 26, 2025
概括
这项研究开发了一种机器学习模型,使用腹细胞学来预测子宫癌的远程转移. 该工具有助于早期识别高风险患者,以改善监测和个性化治疗策略.
科学领域:
- 妇科瘤学 妇科瘤学
- 计算病理学计算病理学
- 机器学习在医学中的应用
背景情况:
- 子宫癌是一种具有远程转移的高风险的侵袭性恶性瘤.
- 预测远程转移对于有效的患者管理和治疗计划至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测子宫癌的远程转移.
- 为了提高准确性,将腹细胞学发现整合到预测模型中.
主要方法:
- 利用了SEER数据库数据,包括来自子宫癌患者的临床信息和腹细胞学.
- 应用并比较了八种机器学习算法 (逻辑回归,SVM,GBM等). 为了预测远程转移.
- 评估模型性能使用AUC,校准曲线,DCA和SHAP值进行解释.
主要成果:
- 腹细胞学,T阶段,年龄和瘤大小被确定为远程转移的关键预测因素.
- 后勤回归模型的AUC值为0.882 (训练) 和0.881 (测试).
- GBM成为了表现最好的模型,通过校准和DCA曲线表明了显著的临床实用性.
结论:
- 这项研究提出了第一个整合腹细胞学的模型,用于预测子宫癌中远程转移.
- 开发的工具有助于早期识别高风险患者,优化后续和个性化治疗.
- 这种方法支持改善对子宫癌的监测和量身定制的治疗策略.
