在HPV相关的宫癌患者手术后预测后续性阴道病变的新型双变异性诺米克图
Yueheng Liu1, Yue Shi1, Yunqiang Zhang1
1Department of Gynecology Oncology, The Obstetrics and Gynecology Hospital of Fudan University, Shanghai, China.
Frontiers in oncology
|October 13, 2025
概括
这项研究开发了一种预测模型,以识别宫癌手术后高风险的阴道病变患者. 该模型有助于指导HPV相关癌症的临床干预.
科学领域:
- 妇科瘤学 妇科瘤学
- 传染性疾病 传染性疾病
- 机器学习在医学中的应用
背景情况:
- 宫癌的治疗,特别是手术,有后续阴道病变的风险.
- 持续的人类乳头瘤病毒 (HPV) 感染是这些病变发展的关键因素.
- 识别高风险患者对于及时干预和改善结果至关重要.
研究的目的:
- 预测HPV相关的宫癌患者手术后发生阴道病变的风险.
- 为了确定阴道病变的临床病理和HPV相关风险因素.
- 构建和验证基于机器学习的阴道病变预测模型.
主要方法:
- 从2018-2022年间为宫癌治疗的患者的医疗记录的回顾性分析.
- 记录持续性HPV感染的发病率和基因型,并分析阴道病变的风险因素.
- 在训练和测试队列上使用机器学习开发和验证预测模型,以后勤回归作为基准.
主要成果:
- 29.94%的患者在手术后患有持续的HPV感染;10.2%的患者患有阴道内皮质瘤 (VaIN).
- 卵巢保存和腺癌组织学是保护性的;年龄较大,FIGO II阶段和阳性边缘是危险因素.
- 持续的HPV感染,特别是特定的基因型 (α-9 HPV),显著增加了病变的风险. 一个逻辑回归模型实现了0.7955.5的AUC.
结论:
- 一个预测模型可以有效地识别宫癌手术后阴道病变的高风险患者.
- 该模型促进了有针对性的临床干预,有可能减少病变的发生率和严重程度.
- 了解HPV持久性和特定的基因型对于风险分层至关重要.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
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
