机器学习用于预测鼻癌患者的远程转移

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 远程转移是鼻癌 (NPC) 患者治疗失败和死亡的主要原因.
• 识别远程转移的风险因素对于改善患者的治疗结果至关重要.

研究的目的:

• 探索和确定NPC患者远程转移的重大风险因素.
• 使用机器学习 (ML) 方法开发远程转移的预测模型.

主要方法:

• 利用了从一个机构治疗的1,845名NPC患者的数据.
• 采用了七种ML方法来构建预测模型,选择了逻辑回归 (LR) 作为表现最好的方法 (AUC = 0.8499).
• 应用了SHapley添加式扩展 (SHAP) 来确定特征的重要性并解释模型预测.

主要成果:

• SHAP分析确定了向治疗,免疫疗法,N阶段,爱斯坦-巴尔病毒 (EBV) 状态,高血压,T阶段,淋巴细胞计数 (LY) 和乳酸脱酶 (LDH) 水平作为关键预测因素.
• 这些因素与NPC中远程转移的风险有显著的相关性.

结论:

• 向治疗,免疫治疗,N阶段,EBV,高血压,T阶段,LY和LDH是NPC中远程转移的重要风险因素.
• 这些已识别的因素可以帮助识别高风险的NPC种群.
• 早期干预,包括向治疗和免疫治疗,可以降低高风险NPC患者远程转移的风险.