通过机器学习开发和验证脑转移非小细胞肺癌患者的预后模型

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 大脑转移是非小细胞肺癌 (NSCLC) 的一个主要挑战,显著恶化患者的预后.
• 最佳的治疗选择对于改善脑转移性NSCLC (BM-NSCLC) 患者的生存结果至关重要.

研究的目的:

• 为BM-NSCLC患者开发一个个性化的预后模型.
• 帮助临床医生做出明智的BM-NSCLC治疗决策.

主要方法:

• 利用Kaplan-Meier和Cox回归分析进行生存和预后因素评估.
• 开发并验证了机器学习模型 (RF,LR,SVM,KNN) 使用培训/验证分割.
• 使用ROC AUC和DCA评估模型性能,并创建了一个基于Web的临床决策工具.

主要成果:

• 对3,171名BM-NSCLC患者的分析显示,转移部位手术与放射治疗和化疗相结合,提供了最好的预后.
• 随机森林 (RF) 模型在验证队列中实现了高预测精度 (AUC 0.89) 的1年整体生存期.
• 开发的临床决策支持工具表现出强烈的歧视,校准和临床实用性.

结论:

• 综合化疗,手术和放射治疗的综合治疗策略对BM-NSCLC患者是最有益的.
• 个性化的预后模型和决策支持工具可以显著帮助临床医生量身定制治疗计划.
• 该工具的强大性能支持其在增强BM-NSCLC个性化临床决策方面的实用性.