在食道癌中,机器学习能够预测骨转移的发生

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 骨转移 (BM) 是晚期食道癌的常见并发症.
• 准确预测BM对于有效的患者管理和治疗规划至关重要.

研究的目的:

• 开发和验证用于预测食道癌患者骨转移风险的机器学习算法.
• 确定与骨转移相关的关键临床病理因素.
• 通过加强风险分层来支持临床决策.

主要方法:

• 利用了来自SEER数据库 (2010-2020) 的9744名食道癌患者的数据.
• 构建并评估了六种机器学习模型:SVM,物流回归,XGBoost,神经网络,随机森林和k-NN.
• 使用准确度,精度,回忆,F1得分和AUC评估模型性能,XGBoost被确定为最佳模型.

主要成果:

• 确定了年龄,T阶段,N阶段和组织学类型作为骨转移的独立风险因素.
• XGBoost模型实现了卓越的性能,精度为0.80,回忆率为0.99,精度为0.72,F1得分为0.83,AUC为0.92.
• 该模型在5.47%的患者队伍中有效预测了骨转移.

结论:

• 该XGBoost模型显示出在食道癌症中骨转移的优异预测能力.
• 这种机器学习方法为指导临床治疗策略和改善患者治疗结果提供了宝贵的见解.
• 这些发现强调了AI在瘤学中的潜力,用于风险预测和个性化医疗.