基于机器学习的风险预测模型,用于中央神经系统参与扩散大B细胞淋巴瘤的风险预测
Rashad Ismayilov1, Murat Ozdede2, Aysegul Uner3
1Department of Internal Medicine, Hacettepe University Faculty of Medicine, Ankara, Turkiye.
Leukemia & lymphoma
|July 12, 2025
概括
机器学习模型准确地预测了分散型大B细胞淋巴瘤 (DLBCL) 患者中中枢神经系统 (CNS) 复发的情况. 这些模型的性能优于传统的评分,有助于对中枢神经系统参与的个性化风险评估.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 计算生物学 计算生物学
背景情况:
- 在扩散性大B细胞淋巴瘤 (DLBCL) 中准确预测中枢神经系统 (CNS) 复发是至关重要的,但具有挑战性.
- 现有的预测模型,如国际预测指数 (IPI) 和CNS-IPI在预测中枢神经系统参与方面存在局限性.
研究的目的:
- 开发和验证基于机器学习 (ML) 的预后模型,用于预测DLBCL患者中枢神经系统复发.
- 将ML模型的性能与传统的预后得分进行比较.
主要方法:
- 对664名接受R-CHOP治疗的DLBCL患者的回顾性分析.
- 开发和验证ML模型,包括随机生存森林 (RSF) 和梯度增强机器 (GBM).
- 使用C指数和综合障碍评分 (IBS) 评估模型性能,并与IPI和CNS-IPI进行比较.
主要成果:
- ML模型显示出高的区分能力 (RSF:C指数为0.91,IBS为0.057;GBM:C指数为0.88,IBS为0.042).
- 两种ML模型的表现都明显优于传统的得分 (IPI,CNS-IPI).
- 发现的关键预测因素包括 extranodal 位点数和高风险器官参与.
结论:
- 与传统方法相比,基于ML的模型在DLBCL中对中枢神经系统复发的预测准确度更高.
- 这些先进的模型可以支持个性化风险分层和DLBCL患者的治疗策略,这些患者有中枢神经系统传播的风险.
