开发和外部验证预测算法,以改善癌症早期诊断
J Hippisley-Cox1, C A Coupland2
1Queen Mary University of London, London, UK. julia.hippisley-cox@qmul.ac.uk.
Nature communications
|May 7, 2025
概括
在英国,新的癌症预测算法识别了早期诊断的高风险个体. 这些模型结合了患者数据和血液测试,对15种癌症类型的准确性有所提高,有助于临床决策.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 公共卫生 公共卫生
背景情况:
- 癌症预测算法对于英国的早期诊断和治疗至关重要.
- 现有的模型需要提高准确性和临床实用性.
研究的目的:
- 为15种癌症类型开发和外部验证两个新的诊断预测算法.
- 通过结合更广泛的临床和实验室数据来增强癌症预测.
主要方法:
- 多项逻辑回归被用来开发大量英语人口 (7,460万成年人) 的预测方程.
- 创建了两个模型:一个包含临床/症状数据,另一个包括血液测试结果 (全血细胞计,肝功能测试).
- 对来自英格兰和其他英国国家的队列进行了外部验证 (总共538万患者).
主要成果:
- 与现有模型相比,开发的算法证明了更好的歧视,校准,灵敏度和净收益.
- 两种模型都显示了英国不同人群中15种癌症类型的优异预测估计.
- 血液测试的加入进一步提高了预测性能.
结论:
- 这些先进的癌症预测算法为英国的早期诊断提供了卓越的性能.
- 这些发现表明,有可能改善临床决策和患者的治疗结果.
- 这些模型为识别高概率未诊断癌症的个体提供了有价值的工具.
