基于机器学习的风险预测模型的开发和dcetaxel诱导的乳腺癌患者骨髓抑制风险因素的分析
Hongya Ou1, Zijan Tan1, Anle Shen1,2
1Hainan Branch, Shanghai Children's Medical Center, School of Medicine, Shanghai Jiao Tong University, Sanya, China.
International journal of clinical pharmacy
|August 26, 2025
概括
在接受多塞塔克塞尔化疗的乳腺癌患者中预测骨髓抑制是至关重要的. 低的淋巴细胞和白细胞数量以及低的前白蛋白预测这种毒性,使风险分层成为可能.
科学领域:
- 癌症学
- 血液学
- 医疗信息学
背景情况:
- 乳腺癌是全球女性的主要恶性瘤.
- 多西素化疗是一种常见的治疗方法,但会导致血液毒性,特别是骨髓抑制.
- 早期识别患有骨髓抑制高风险的患者对于预防并发症和改善治疗结果至关重要.
研究的目的:
- 在接受多赛的乳腺癌患者中发现骨髓抑制的危险因素.
- 开发和验证机器学习模型,用于预测多塞塔塞尔诱导的骨髓抑制.
主要方法:
- 在119名接受多塞治疗的乳腺癌患者进行了回顾性病例对照研究.
- 患者分为骨髓抑制 (世卫组织等级II- IV) 和非抑制 (等级0- I) 组.
- 使用交叉验证开发和评估多变量逻辑回归,随机森林和AdaBoost模型.
主要成果:
- 临床临床临床临床临床临床临床临床临床临床临床
- AdaBoost模型显示出最高的性能 (AUC=0. 81,特异性=94%,精度=77%).
- 随机森林获得了83%的灵敏度,而后勤回归则具有较低的预测能力 (AUC=0.69).
结论:
- 治疗前的淋巴细胞计数,白细胞计数和前白蛋白水平可靠地预测dcetaxel诱导的骨髓抑制.
- 对于识别低风险患者,AdaBoost模型具有很高的特异性.
- 这些发现支持风险分层和个性化治疗乳腺癌.
