开发一种机器学习算法,用于预测世卫组织第1级脑膜瘤复发的预测.

科学领域:

• 神经外科 神经外科
• 在瘤学瘤学.
• 机器学习在医学中的应用

背景情况:

• 脑膜瘤在总切除 (GTR) 后经常复发,目前的分类系统,如世界卫生组织 (WHO) 瘤等级,对复发风险的预测准确性有限.
• 准确的复发预测对于优化患者监测和治疗策略在世卫组织1级脑膜瘤外科切除后至关重要.

研究的目的:

• 开发一个预测模型来预测世卫组织在GTR后的1级脑膜瘤中复发风险.
• 为了确定与脑膜瘤复发相关的组织病理学和流行病学因素.

主要方法:

• 针对世卫组织1级脑膜瘤 (2017-2022) 首次接受手术的患者的回顾性图表审查,不包括具有遗传倾向的患者.
• 应用风险校准的超级级线性整数模型 (风险-SLIM) 以五倍的交叉验证来预测在三年后续期间的复发.

主要成果:

• 单变量分析表明亚总切除是复发的重要预测因子,但没有其他单变量显示出意义.
• 使用机器学习开发的脑膜瘤复发评分 (MRS) 确定了多种预测因素,包括患者年龄,女性性别和基因病理特征,如Ki-67/MIB-1指数.

结论:

• 机器学习模型可以有效地识别患有世卫组织1级脑膜瘤的患者,即使在GTR后,也存在高复发风险.
• 这些预测模型可以指导对更密切的术后监测或辅助治疗的决策,这可能会改善高风险个体的结果.