预测阴道内皮质新生病的实用模型在高度状内皮质病变患者在阴道化后两年内

科学领域:

• 妇科瘤学 妇科瘤学
• 临床预测建模临床预测建模
• 机器学习在医疗保健中的应用

背景情况:

• 高度状内皮病变 (HSIL) 需要化.
• 阴道内皮质瘤 (VaIN) 是一种潜在的阴道化后并发症.
• 预测VaIN风险有助于个性化患者管理.

研究的目的:

• 确定可靠的VaIN发展的风险因素,在HSIL的结合后两年内.
• 开发和验证VaIN风险的预测模型.
• 部署模型作为临床决策支持工具.

主要方法:

• 分析了5358名为HSIL进行化治疗的患者,其中99人发展为VaIN.
• 使用机器学习算法 (RF,Lasso,XGBoost) 的开发和验证队列 (7:3比率).
• 使用AUC,灵敏度,特异性,精度和F1得分评估模型性能; SHAP用于可解释性.

主要成果:

• 确定了五个关键的预测变量:年龄,转变区类型,先前的VaIN和后结合细胞学/HPV结果.
• 最佳模型实现了高预测性能,AUC为0.910 (内部) 和0.905 (外部) 验证.
• 该模型在预测VaIN发展方面表现出非常高的准确性.

结论:

• 已经建立了一个实用和准确的预测模型,用于后结合VaIN.
• 该模型被部署为基于Web的临床决策支持工具.
• 这种工具有助于为患有VaIN风险的患者提供有针对性的管理.