开发和验证用于预测第四阶段胰腺癌生存率的机器学习名录:一项回顾性研究

科学领域:

• 在瘤学瘤学.
• 数据科学数据科学数据科学
• 医疗信息学 医疗信息学

背景情况:

• 第四期胰腺癌 (PC) 预后不好,个人预后工具有限.
• 现有的高级PC生存预测模型是不够的.
• 对于第四阶段PC预后的机器学习 (ML) 编号表还没有得到充分的研究.

研究的目的:

• 开发和验证一种基于ML的名谱,用于预测第四阶段PC患者的存活率.
• 利用现实世界的数据来创建可靠的预后模型.
• 增强针对晚期胰腺癌的个性化临床决策.

主要方法:

• 从SEER数据库 (2000-2019) 中提取了IV期PC患者的临床数据.
• 采用多变量考克斯回归,LASSO回归和随机生存森林模型.
• 构建了一个名图来预测癌症特异性存活率 (CSS) 和6个月,12个月和18个月的总生存率 (OS).

主要成果:

• 确定了关键的独立预后因素:年龄,种族,婚姻状况,瘤位置,N阶段,等级,手术,化疗和肝转移.
• 诺米图表显示了高预测准确度,C指数为0.727 (培训) 和0.719 (验证) 的OS.
• 观察到优异的校准,表明可靠的生存预测.

结论:

• 使用特定预测因子的基于ML的诺图,可靠地估计了第四阶段PC患者的生存结果.
• 这种名图是个性化临床决策的宝贵工具,用于晚期胰腺癌.
• 该研究强调了ML在改善挑战性癌症的预后准确性方面的潜力.