通过机器学习分析预测费城染色体样急性淋巴细胞白血病的生存率:一个多中心队列研究
Xiao-Dan Song1, Dan-Na Lin2, Lv-Hong Xu3
1Graduate School, Guangxi Medical University, Nanning, China.
Frontiers in cell and developmental biology
|October 6, 2025
概括
一个新的随机森林模型准确地预测了费城染色体样急性淋巴细胞白血病 (Ph-like ALL) 患者的无事件生存率. 该工具帮助临床医生进行个性化的预后评估,以更好地照顾患者.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 生物统计学 生物统计学
背景情况:
- 费城染色体样急性淋巴细胞白血病 (Ph样ALL) 在预测患者的结果方面提出了独特的挑战.
- 开发高效的生存模型对于儿童白血病个性化治疗策略至关重要.
研究的目的:
- 开发和验证一种有效的生存模型,用于预测Ph类ALL患者的无事件生存 (EFS).
- 为了比较各种机器学习算法的性能,以便在这个队列中预测生存.
主要方法:
- 利用了来自中国南方儿童白血病组 (SCCLG) 多中心研究 (2016年10月 - 2021年7月) 的数据.
- 采用了Cox比例危险回归,随机森林,极端梯度增强和梯度增强机器技术.
- 使用一致性指数 (C指数),接收器操作特征曲线下的面积 (AUROC),Brier分数和决策曲线分析评估模型性能.
主要成果:
- 随机森林模型表现出最强的预测性能.
- 在测试组中获得0.797的C指数.
- 展示了高的1年,3年和5年的AUROC (0.787,0.797,0.861分别) 和有利的布莱尔分数.
结论:
- 随机森林模型提供了一个强大而有效的工具,用于预测Ph类ALL的生存结果.
- 这个模型可以帮助临床医生进行个性化的预后评估.
- 一个基于网络的计算器可用于促进临床评估和预后计算Ph类ALL.
