用机器学习预测成年血细胞性淋巴细胞瘤的六个月死亡率:利用实验室数据的预后方法
Jun Zhou1, Mingjun Xie1,2, Yongbin Ma3
1Department of Laboratory Medicine, The First Affiliated Hospital With Nanjing Medical University, Nanjing, Jiangsu, China.
Annals of medicine
|October 3, 2025
概括
这项研究开发了一种机器学习模型,用于预测成年血细胞淋巴细胞瘤 (HLH) 患者的六个月死亡率. 该模型准确地识别高风险个体,使得及时干预能够获得更好的结果.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 血细胞淋巴细胞瘤 (HLH) 具有显著的死亡风险.
- 有效预测死亡率对于及时的临床干预至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 预测模型,用于成人HLH患者的六个月死亡率.
- 确定与HLH死亡率相关的关键临床变量.
主要方法:
- 使用单变量分析和LASSO回归与11个ML算法.
- 分析了136名成年HLH患者的入院和出院变量.
- 使用AUC,F1得分,KM曲线,校准曲线和DCA评估模型性能.
主要成果:
- 年龄和9个出院变量是重要的预测因素.
- 随机森林 (RF) 算法显示出卓越的性能 (验证时AUC为0.89).
- 最重要的预测因素包括费里丁,WBC,白蛋白,PLT和直接胆红素.
结论:
- 开发的ML模型有效预测高风险HLH患者.
- 早期发现有助于制定有针对性和改进的治疗策略.
- 这种工具有助于临床医生管理高死亡风险的HLH患者.


