大细胞神经内分泌肺癌的预后模型:一种机器学习和回归方法
Xian Gong1,2,3, Maojie Pan1,2,3,4, Yuxing Lin1,2,3,5
1Department of Thoracic Surgery, Fujian Medical University Union Hospital, Fuzhou, China.
Translational lung cancer research
|August 13, 2025
概括
机器学习模型,特别是渐变增强,准确地预测大细胞神经内分泌肺癌 (LCNEC) 的5年生存率. 化疗成为影响LCNEC患者生存结果的关键因素.
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:
- 大细胞神经内分泌肺癌 (LCNEC) 是一种具有高转移潜力的侵袭性癌症.
- 准确的预后模型对于有效的患者管理和治疗规划至关重要.
研究的目的:
- 为LCNEC患者开发和评估5年生存预后模型.
- 将传统的回归模型与先进的机器学习技术进行比较.
主要方法:
- 使用SEER数据库 (2000-2021) 进行的回顾性队列研究,包括6062名LCNEC患者.
- 考克斯回归,梯度提升,XGboost,随机生存森林,额外生存树和神经网络的开发和比较.
- 使用内部-外部交叉验证和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 梯度提升显示出优异的预测准确性,C指数为0.799和Brier分数为0.047.
- 在SHAP价值分析中,化学疗法被认为是LCNEC中生存的重要预测因素.
- DCA证实了梯度增强模型的卓越临床实用性.
结论:
- 渐变增强为LCNEC预后提供了卓越的预测准确性和临床实用性.
- 这些发现支持使用机器学习来改善罕见肺癌的生存预测.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K