组装机器学习模型,用于预测膀癌中骨转移的发生.
Zhan Jiang Yu1, Xiang Da Xu1, Xin Chang Zou1
1The Second Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, China.
Frontiers in oncology
|October 13, 2025
概括
机器学习模型准确地预测了膀癌 (BC) 的骨转移. 梯度增强机 (GBM) 模型表现出高性能,有助于个性化治疗和查膀癌骨转移 (BCBM).
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 晚期膀癌 (BC) 的骨转移 (BM) 是一个重要的预后指标.
- 准确预测BC中的BM目前具有挑战性,影响患者的治疗结果.
- 开发可靠的预测工具对于个性化临床管理至关重要.
研究的目的:
- 开发和评估用于预测膀癌骨转移的机器学习模型.
- 确定与BCBM相关的独立风险因素.
- 提高BCBM的临床决策和查效率.
主要方法:
- 利用了来自SEER数据库 (2010-2015) 和外部验证队列的数据.
- 使用单变量和多变量逻辑回归识别的风险因素.
- 开发并比较了七种机器学习模型:LR,SVM,GBM,NN,RF,XGB和KNN.
- 使用AUC,精度,灵敏度和特异性评估模型性能.
主要成果:
- 总共分析了22,114名BC患者,其中2.4%的人患有BM.
- 确定的风险因素包括年龄,种族,瘤阶段 (T,N),组织学,等级和转移到其他器官.
- 梯度增强机 (GBM) 模型在测试组中实现了最高的性能 (AUC 0.855,精度 0.813).
- 在外部验证集中,GBM模型表现出强的性能 (AUC 0.766,精度 0.945).
- 在GBM模型中,T阶段,N阶段和放射治疗史是最重要的预测因素.
结论:
- 开发的GBM模型为预测BCBM提供了精确和个性化的方法.
- 这种预测工具有可能改善膀癌患者的临床决策.
- 加强BCBM的预测可以导致更有效的查策略和更好的患者管理.
