XGBoost模型用于预测激进前列腺切除术后勃起功能障碍风险:使用机器学习开发和验证
Hesong Jiang1, Lu Ji1, Leilei Zhu2
1Department of Urology, The Affiliated Huaian No. 1 People's Hospital of Nanjing Medical University, Huaian City, 223300, Jiangsu Province, China.
Discover oncology
|May 19, 2025
概括
使用XGBoost的机器学习模型准确地预测前列腺手术后的勃起功能障碍 (ED). 该工具通过识别ED的关键风险因素来帮助个性化患者管理.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 数据科学数据科学数据科学
背景情况:
- 勃起功能障碍 (ED) 是根源性前列腺切除术后常见的一种影响生活质量的并发症.
- 预测ED风险的传统方法在捕捉复杂,非线性因素方面是有限的.
研究的目的:
- 开发和验证一款机器学习 (ML) 模型,以改善前列腺切除术后的ED风险分层.
- 加强针对ED的个性化患者管理策略.
主要方法:
- 对1,147名前列腺癌患者的分析,其中285名 (24.85%) 发展为ED.
- 使用的ML模型 (XGBoost,随机森林,SVM,k-NN) 训练了已识别的风险因素.
- 关键预测因素包括年龄,吸烟,格里森得分,前列腺体积,T阶段,手术方法,手术时间和PCT水平.
主要成果:
- XGBoost显示出优异的预测准确性 (验证时AUC为0.960) 和临床实用性.
- 校准和决策曲线分析证实了模型的性能和效益.
- SHAP分析确定了关键风险贡献者,以进行个性化评估.
结论:
- XGBoost模型为ED风险评估提供了强大的预测性能和临床适用性.
- 提供了一个有价值的工具,以个性化的术后管理ED后激进前列腺切除术.
