基于深度学习的成年扩散低度质瘤生存预测模型:一个多队列验证研究
Pengfei Xu1,2, Wenxin Liu2, Haibo Su2
1Shenzhen Peking University-The Hong Kong University of Science and Technology (PKU-HKUST) Medical Center, Peking University Shenzhen Hospital, Shenzhen, 518035, Guangdong, People's Republic of China.
Discover oncology
|October 2, 2025
概括
一个深度学习模型准确地预测了成年扩散低度质瘤 (DLGG) 患者的生存率. 年龄和IDH突变状态是关键的预后因素,使个性化治疗策略成为可能.
科学领域:
- 神经瘤学神经瘤学
- 人工智能在医学中的应用
- 生物统计学 生物统计学
背景情况:
- 成人扩散低度质瘤 (DLGG) 的预后非常复杂.
- 临床和分子因素相互作用,挑战准确的生存预测.
- 在DLGG管理中存在强大的预测模型的需求.
研究的目的:
- 开发和验证用于DLGG患者生存预测的深度学习模型.
- 确定影响DLGG患者结果的关键预后因素.
- 在DLGG.提供个性化预测工具.
主要方法:
- 在三个队列 (培训,内部,外部验证) 中分析了1,079名DLGG患者.
- 开发一个深度学习模型 (DeepSurv),使用七个临床病理变量.
- 通过C指数和综合布莱尔分数 (IBS) 进行绩效评估;使用排列重要性和SHAP值进行特征重要性分析.
主要成果:
- 深度学习模型在所有队列中显示出强大的预测性能 (C指数:0.81-0.87).
- 低IBS值 (0.03-0.04) 证实了高预测准确度.
- 年龄和IDH突变状态被确定为最重要的预后因素,年龄表现出非线性影响.
结论:
- 一个经过验证的深度学习模型为DLGG患者提供可靠的预后.
- 年龄和IDH状态是DLGG生存的关键决定因素.
- 该模型以Web平台的形式提供,有助于个性化预测和优化治疗策略.
