推进患者护理:用于预测3级+毒性的机器学习模型,用于治疗用HDR支架疗法治疗的妇科癌症患者
Andres Portocarrero-Bonifaz1,2, Salman Syed1, Maxwell Kassel1
1Department of Radiation Oncology, Brown Cancer Center, University of Louisville School of Medicine, Louisville, Kentucky, United States of America.
PloS one
|May 14, 2025
概括
机器学习模型准确地预测了接受高剂量速率支臂疗法的妇科癌症患者的严重毒性,有助于个性化辐射治疗.
科学领域:
- 在瘤学瘤学.
- 医学物理 医学物理
- 数据科学数据科学数据科学
背景情况:
- 妇科癌症是全球妇女的主要健康问题.
- 支臂疗法是这些癌症放射治疗的关键组成部分.
- 机器学习 (ML) 在预测患者的结果和毒性方面表现有前途.
研究的目的:
- 开发和比较ML模型,用于预测高剂量速率 (HDR) 胸膜疗法治疗的妇科癌症患者的严重 (3级+) 毒性.
- 为个性化治疗策略确定毒性的关键预测因素.
主要方法:
- 对233名妇科癌症患者进行了回顾性分析,这些患者接受了HDR支臂治疗 (2009-2023年).
- 收集的剂量计,瘤,患者和毒性数据.
- 开发和评估了七个ML模型 (SVM,随机森林,物流回归等). 使用顺序的特征选择和超参数调.
主要成果:
- 支持矢量机,随机森林和后勤回归是表现最好的模型,具有高精度和标准MCC分数.
- 顺序特征选择确定了10个关键的预测特征.
- 在HR-CTV体积,查尔森并发症指数,随访时间和D2cc-直肠中发现了显著的传统统计差异.
结论:
- 开发的ML模型在预测严重毒性方面表现令人满意.
- ML提供了一种创新的方法,用于创建多变量模型以个性化辐射治疗.
