一个集成的基于机器学习的头癌预后模型,使用全身炎症反应指数和与患者报告的财务毒性相关联
Research square
|May 19, 2025
概括
系统性炎症反应指数 (SIRI) 有效地预测了接受放射治疗的头癌患者的生存率. 较高的SIRI水平与增加的金融毒性相关,这表明它可以作为生物标记物使用.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 医疗信息学 医疗信息学
背景情况:
- 接受放射治疗的头癌 (HNC) 患者经历了相当大的压力.
- 免疫调节在HNC预后中起着至关重要的作用.
- 系统性炎症反应指数 (SIRI) 是免疫状况的潜在生物标志物.
研究的目的:
- 为了评估SIRI在接受放射治疗的HNC患者的预后价值.
- 探索SIRI作为与压力相关的免疫调节的生物指标.
- 调查SIRI与金融毒性 (FT) 之间的关系.
主要方法:
- 随机生存森林机器学习模型开发用于生存分析.
- 根据568名HNC患者的治疗前血液检查计算的SIRI.
- 在345名患者的队列中进行外部验证;在638名患者中研究了FT与FT的关联.
主要成果:
- 结合SIRI,绩效状态和吸烟史的机器学习模型确定了三个重要的整体生存风险组 (p<0.0001).
- 研究结果在外部队列中得到验证 (p<0.001).
- 增加的金融毒性水平与增加的SIRI水平显著相关 (p=0.001).
结论:
- 使用临床特征开发了一个集成的,外部验证的机器学习模型.
- SIRI与增加的金融毒性有显著的关联.
- 在HNC患者中,SIRI显示出作为金融毒性的生物标记物的潜力.
更多相关视频
06:11Therapy Testing in a Spheroid-based 3D Cell Culture Model for Head and Neck Squamous Cell Carcinoma
Published on: April 20, 2018
9.7K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
