评估高度质瘤的老年患者的治疗策略和基于机器学习的治疗建议系统

科学领域:

• 神经瘤学
• 老年医学
• 在医疗保健中的机器学习

背景情况:

• 高年龄高度质瘤 (eHGG) 患者因年龄,并发症和治疗耐受性而面临独特的治疗挑战.
• 优化治疗策略对于改善这一脆弱群体的生存和生活质量至关重要.

研究的目的:

• 评估各种治疗策略对eHGG患者的好处.
• 通过机器学习开发针对eHGG的个性化治疗推系统.

主要方法:

• 倾向性得分匹配和生存分析比较了手术,辅助疗法和切除程度 (GTR与STR).
• 一个随机生存森林模型预测了预后,并为个性化治疗推系统提供了信息.
• 一个独立的验证队列使用C指数,时间依赖的AUC (tdAUC) 和集成的Brier分数 (IBS) 评估了该模型的性能.

主要成果:

• 与单独的手术或单独的辅助治疗相比,手术加辅助治疗显著改善了整体存活率.
• 与辅助治疗相结合的总切除 (GTR) 与辅助治疗的部分切除 (STR) 相比,提供了更好的生存结果.
• 一个机器学习模型实现了高预测准确度 (C指数=0.813, tdAUC=0.876, 1-IBS=0.893) 并支持基于网络的推系统.

结论:

• 在高度质瘤的老年患者中,积极的治疗,特别是GTR和辅助治疗,可以提高生存率.
• 开发的基于机器学习的个性化治疗推系统是eHGG管理中临床决策的宝贵工具.