预测直肠癌患者对 (化疗) 放射治疗的近完全病理反应:一个联合学习研究

科学领域:

• 在瘤学瘤学.
• 辐射疗法 辐射疗法
• 机器学习 机器学习

背景情况:

• 器官保存策略正在引起当地的晚期直肠癌患者的兴趣.
• 在 (化疗) 放射治疗后获得临床完整反应 (cCR) 的患者提供观察和等待方法.
• 几乎完全响应 (NCR) 的患者可能会从辐射增强中受益,以避免手术.

研究的目的:

• 开发一个预测模型来估计NCR的概率.
• 该模型在多个诊所的数据上使用联合学习方法进行了训练.
• 目标是提高模型的概括性,并确定需要放射治疗增强的患者.

主要方法:

• 利用了来自两个诊所 (Maastro和Gemelli) 的1305名患者的数据.
• 实施了联合学习基础设施,用于保护隐私的多诊所数据分析.
• 采用贝叶斯网络,将专家知识与数据驱动学习结合起来,并处理丢失的数据.

主要成果:

• 在综合数据上训练的联合学习模型实现了0.77.7的AUC.
• 使用专家引发结构的模型显示性能较低 (AUC 0.68-0.72).
• 单诊所模型未能对外部数据进行概括 (AUC 0.50,0.59).

结论:

• 联合学习可以开发用于直肠癌治疗的强大预测模型.
• 该模型可以识别可能达到NCR的患者,并从放射治疗中受益.
• 联合学习促进了对更大的数据集的访问,从而提高了模型性能和通用性.