通过使用机器学习来预测接受阿比拉或恩扎胺的前列腺癌患者的心血管风险
Dong-Yi Chen1,2, Chun-Chi Chen1,3, Ming-Lung Tsai4,5
1Division of Cardiology, Department of Internal Medicine, Chang Gung Memorial Hospital at Linkou, Taoyuan 33302, Taiwan.
Cancers
|August 14, 2025
概括
机器学习确定了前列腺癌患者开始服用雄激素受体通路抑制剂 (ARPI) 的五个关键心血管风险因素. 早期识别有助于预防这一高风险群体的重大心血管不良事件 (MACE).
科学领域:
- 在瘤学瘤学.
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
背景情况:
- 转移性前列腺癌 (PCa) 患者接受雄激素受体通路抑制剂 (ARPI) 面临显著的心血管风险.
- 在开始治疗之前主动识别这些心血管风险至关重要,但具有挑战性.
研究的目的:
- 开发和验证一种机器学习模型,用于预测接受ARPI的PCa患者的主要心血管不良事件 (MACE).
- 在这个特定的患者队列中确定MACE的关键预测指标.
主要方法:
- 一项全国性的队列研究利用了台湾国家健康保险研究数据库和癌症注册表的数据.
- 一个随机生存森林 (RSF) 模型,包含16个变量,使用训练集 (n=3318) 开发并在单独的集 (n=1421) 上验证.
- 该模型预测MACE的平均随访时间为2.1年.
主要成果:
- RSF模型确定了MACE的五个关键预测因素:年龄 (<65或≥75岁),心力衰竭史,中风,高血压和心肌梗塞.
- 该模型表现出强大的预测性能,在训练组中AUC为85.1%,在验证组中为85.5%.
- 鉴定到的风险因素数量与MACEs发生率之间发现了正相关性.
结论:
- 一种机器学习方法有效地确定了ARPI治疗的转移性前列腺癌患者中MACEs的五个关键预测因子.
- 这些发现强调需要对开始ARPI治疗的PCa患者进行全面的心血管风险评估和勤奋监测.
