使用机器学习创建用于原发性前列腺癌的预后系统.
Kevin Guan1,2, Andy Guan1,3, Anwar E Ahmed1
1F. Edward Hébert School of Medicine, Uniformed Services University of the Health Sciences (USUHS), Bethesda, MD 20814, USA.
Diagnostics (Basel, Switzerland)
|October 16, 2025
概括
一个新的机器学习模型,EACCD,提高了前列腺癌分期的准确性. 它通过更好地分层患者进行个性化治疗,优于目前的AJCC TNM系统.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 癌症的分期对于治疗和预后至关重要.
- AJCC TNM第9版 (2024) 是目前的前列腺癌标准,使用T,N,M,PSA和等级组.
- 完善预后系统可以提高结果预测和个性化治疗.
研究的目的:
- 开发和评估改善前列腺癌的预后框架.
- 将一种新型机器学习方法的性能与已建立的AJCC分阶段系统进行比较.
主要方法:
- 应用了无监督机器学习集成算法用于集癌症数据 (EACCD).
- 开发了使用5个AJCC变量 (T,N,M,P,G) 的EACCD模型,并扩展到7个变量 (包括年龄和种族).
- 利用来自国家癌症研究所SEER计划的前列腺癌患者数据.
主要成果:
- EACCD有效地将患者分为不同的预后组,并分开生存曲线.
- 七变量EACCD模型实现了0.8504的C指数,超过了AJCC的TNM系统 (C指数:0.7676).
- 与当前的AJCC分期系统相比,EACCD方法显示出更高的预测准确性.
结论:
- EACCD为局部性前列腺癌提供了一个更准确的预后框架.
- 这种机器学习模型增强了风险分层,支持精确瘤学.
- 建议在独立队列中进一步验证.
更多相关视频
08:05Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence
Published on: June 10, 2025
1.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
