在接受化疗的住院淋巴瘤患者中开发和验证基于机器学习的早期预警系统:多中心和回顾性队列研究
Tingting Jiang1, Zailin Yang1, Xinyi Tang1,2
1Department of Hematology-Oncology, Chongqing Key Laboratory for the Mechanism and Intervention of Cancer Metastasis, Chongqing University Cancer Hospital, Chongqing, China.
一个新的机器学习系统 (VTE-EWS) 准确地预测了接受化疗的住院淋巴瘤患者的静脉血栓栓塞 (VTE) 风险. 这种预警系统有助于及时对高危人群进行干预.
科学领域:
- 癌症学
- 血液学
- 医疗信息学
背景情况:
- 接受化疗的淋巴瘤患者因住院,长时间治疗和不运动而面临高静脉血栓塞栓症 (VTE) 风险.
- 在这一易受感染群体中及早准确预测VTE仍然是一个重大的临床挑战.
研究的目的:
- 开发和验证基于机器学习的早期预警系统 (VTE-EWS),用于预测用于化疗的淋巴瘤患者的VTE风险.
- 创建一个视觉工具 (nomogram) 来评估个人VTE风险,并将其有效性与已建立的Khorana评分 (KS) 进行比较.
主要方法:
- 在四个学术医疗中心对1141名淋巴瘤患者的临床数据进行了回顾性分析.
- 应用六个机器学习算法来识别VTE的关键预测变量.
- 开发模型的外部验证和与Khorana评分 (KS) 的比较.
主要成果:
- 六种机器学习模型表现出强大的外部验证性能,精度高达0.87和AUC高达0.84.
- 开发了一种包括白细胞计数,D-二次体,中央静脉导管使用情况,年龄,化疗周期和ECOG性能状况的诺米克图.
- 与KS相比,VTE- EWS发现了更多的高风险患者,并提供了更大的临床益处.
结论:
- 在住院的淋巴瘤患者中,VTE-EWS有效地利用简单的临床指标进行快速的视觉预测.
- 这种系统有助于精确,有针对性的干预,改善化疗期间的患者管理.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
相关概念视频
Venous Thrombosis III: Interprofessional Care
Venous Thrombosis IV: Nursing Management
Venous Thrombosis II: Clinical Manifestations and Diagnostic Studies
Venous Thrombosis I: Introduction
