一个基于网络的脑转移预测模型,用于非小细胞肺癌患者
Jianing Chen1, Li Wang1, Li Liu1
1Department of Medical Oncology, Shanghai Pulmonary Hospital, Tongji University School of Medicine, Shanghai, China.
Discover oncology
|July 29, 2025
概括
在非小细胞肺癌 (NSCLC) 中精确预测大脑转移 (BM) 是至关重要的. 渐变增强机模型准确预测BM风险,帮助高风险患者进行早期干预.
科学领域:
- 在瘤学瘤学.
- 机器学习在医学中的应用
- 癌症转移研究 癌症转移研究
背景情况:
- 大脑转移 (BM) 是癌症相关死亡的主要原因.
- 预测BM发生对于患者管理和预防策略至关重要.
- 影响BM发展的因素需要进一步阐明.
研究的目的:
- 在非小细胞肺癌 (NSCLC) 患者中开发和验证大脑转移 (BM) 的精确预测模型.
- 确定导致BM风险的关键临床因素.
- 创建一个可访问的工具来预测BM风险.
主要方法:
- 分析了39930名非小细胞肺癌 (NSCLC) 患者的临床数据.
- 最小绝对收缩和选择运算符 (LASSO) 回归确定了12个候选变量.
- 训练和评估了七种机器学习模型,其中梯度增强机 (GBM) 因其卓越的性能而被选中.
主要成果:
- GBM模型实现了高预测准确度,验证组的AUC为0.8276,测试组的AUC为0.8301.
- 使用SHapley添加式扩展 (SHAP) 来排名特征重要性,增强了模型的解释性.
- 上海肺部医院 (SPH) 队列的外部验证显示AUC为0.6100.
结论:
- 一个非常准确的,基于网络的机器学习预测NSCLC大脑转移 (BM) 已经成功开发.
- 该工具有助于准确预测BM风险,为高风险人群提供有针对性的预防措施.
- 该模型增强了关于大脑转移的NSCLC患者管理的临床决策.
