机器学习对接受放射治疗的老年人不可切除的肝细胞癌的预后影响

科学领域:

• 在瘤学瘤学.
• 辐射疗法 辐射疗法
• 机器学习 机器学习

背景情况:

• 肝细胞癌 (HCC) 是一个重要的健康问题,特别是在老年人群中.
• 不切除的HCC带来了治疗挑战,需要先进的预测工具.
• 放射治疗是HCC的关键治疗方式,但优化其使用至关重要.

研究的目的:

• 开发和验证基于机器学习的预测模型,用于在接受放射治疗的不可切割的HCC老年患者的生存结果.
• 确定最佳的放射学模型来预测患者队列中的生存率.
• 为老年HCC患者提供个性化治疗策略的指导.

主要方法:

• 基于机器学习的101个放射学模型的开发,使用来自SEER数据库的2377名患者的培训队列.
• 使用相同的SEER队列对最佳模型进行内部验证.
• 使用来自单一医院的99名患者队列对最佳模型进行外部验证.

主要成果:

• 在训练队列中,StepCox + GBM模型实现了最高的预测性能,C指数为0.7.
• 接收器运行特征 (AUC-ROC) 曲线下的面积在0.736到0.783之间,表明强大的预测准确性.
• 校准曲线和决策曲线证实了该模型的良好预测性能和临床实用性.

结论:

• 该StepCox + GBM模型表明,在接受放射治疗的老年HCC患者中,其生存预测能力强大.
• 这种模型可以帮助优化老年HCC患者的放射治疗利用.
• 这些发现支持开发个性化治疗策略,以改善生存结果.