基于机器学习的建模和预测的可行性,以评估骨髓瘤的结果
Qinfei Zhao1, Weiquan Hu2, Yu Xia3
1Department of Laboratory Medicine, First Affiliated Hospital of Gannan Medical University, Ganzhou, 341000, Jiangxi, China.
Scientific reports
|May 19, 2025
概括
一个新的机器学习衍生的预后签名 (MLDPS) 准确地预测骨髓瘤患者的结果. 该工具将患者分为不同风险群体,指导针对这种侵袭性骨癌的个性化治疗.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 骨髓瘤是一种具有不良预后的侵袭性骨癌.
- 针对个性化治疗策略需要有效的预后工具.
研究的目的:
- 开发和验证用于骨髓瘤的机器学习衍生的预后签名 (MLDPS).
- 为了确定可靠的基因特征来预测患者的结果.
主要方法:
- 分析了来自两个队伍的138个骨髓瘤样本的基因表达数据.
- 利用了10个机器学习算法来开发MLDPS.
- 在多个数据集中使用C指数验证了MLDPS性能.
主要成果:
- 确定了14个共识预后相关基因,并开发了一种7基因的MLDPS.
- 在1年,3年和5年的总生存期 (AUC 0.852-0.963) 中,MLDPS实现了高预测性表现.
- 在预测准确度方面,MLDPS的表现优于10个已建立的基因签名.
结论:
- 实际上,MLDPS将骨髓瘤患者分为高风险和低风险组.
- 高风险患者的预后较差,转移增加,免疫透发生改变.
- 在骨髓瘤中,MLDPS对风险分层和个性化治疗具有重要的临床影响.
