开发和验证机器学习模型,预测黑色素瘤脑转移患者的早期死亡
Maierdanjiang Maihemuti1, Maiheliya Kamaierjiang2, Aierpati Maimaiti3
1Department of Bone and Soft Tissue, Affiliated Tumor Hospital of Xinjiang Medical University, Xinjiang, China.
Frontiers in oncology
|July 23, 2025
概括
机器学习模型可以预测黑色素瘤脑转移 (MBM) 患者的早期死亡. 这些工具有助于临床医生进行风险分层和治疗决策,以改善患者的治疗结果.
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:
- 黑色素瘤大脑转移 (MBM) 是常见的,并且与生存率差相关.
- 准确预测MBM患者的早期死亡率对于临床决策至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测MBM患者的早期死亡.
- 确定与MBM早期死亡相关的关键因素.
- 为MBM患者管理提供临床决策支持工具.
主要方法:
- 来自SEER和新疆医学大学数据库的1547名MBM患者的分析.
- 使用培训/测试队列 (7:3比例) 开发和验证7个ML模型.
- 模型使用交叉验证,ROC分析,决策曲线分析和校准曲线进行评估,以预测癌症特异性早期死亡 (CSED) 和所有原因早期死亡 (ACED) 在3个月内.
主要成果:
- 超过34%的MBM患者经历了CSED,35.8%经历了ACED.
- 预测因素包括年龄,治疗 (辐射,化疗,手术),瘤,外转移 (骨,肝脏).
- XGBoost模型显示ACED (AUC=0.776) 的最佳性能,CSED (AUC=0.694) 的逻辑回归. 外部验证证实了可靠性.
结论:
- 开发的ML模型显示了MBM患者早期死亡的强大预测性能.
- 这些模型可以帮助临床医生进行早期风险分层和治疗规划.
- 客观风险评估工具可以改善患者咨询和指导护理决策 (侵略性与息性).
