机器学习模型用于预测口腔白血病的复发和恶性转变
Caique Mariano Pedroso1, Anderson Faria Claret2, Rafael Vasconcelos Costa Machado2
1Oral Diagnosis Department, Piracicaba Dental School, University of Campinas, São Paulo, SP, Brazil.
Oral surgery, oral medicine, oral pathology and oral radiology
|October 18, 2025
概括
机器学习模型在使用患者数据预测口腔白血病 (OL) 复发和恶性转变方面表现有前途. 后勤回归和人工神经网络在复发和转换方面表现最好,但需要进一步改进.
科学领域:
- 口腔病理学 口腔病理学
- 计算医学是一种计算医学.
- 生物统计学 生物统计学
背景情况:
- 口腔白血病 (OL) 是一种癌前病变,有恶性转变的风险.
- 预测OL复发和恶性转变对于患者管理至关重要.
- 机器学习 (ML) 提供了提高预测准确性的潜力.
研究的目的:
- 评估各种ML模型在预测OL复发方面的有效性.
- 评估ML模型在预测OL恶性转变方面的性能.
- 确定OL结果的关键临床和病理预测因素.
主要方法:
- 对123名经过活检确认诊断的OL患者进行了回顾性分析.
- 数据预处理以确保统一性和可靠性.
- 评估五个ML模型 (物流回归,随机森林,XGBoost,ANN,决策树) 使用嵌套交叉验证和特征重要性的SHAP值.
主要成果:
- 后勤回归在复发预测方面表现最好 (AUC:0.65).
- 人工神经网络在恶性转变预测方面实现了最高的性能 (平衡精度:0.82,AUC:0.77).
- SHAP分析确定了复发率,发育不良程度和治疗类型作为重要的预测因素.
结论:
- ML模型显示了使用临床数据预测OL结果的潜力.
- 后勤回归和人工神经网络分别为复发和恶性转变预测提供了有希望的性能.
- 由于观察到的可变性和有限的灵敏度,临床应用需要进一步细化模型和更大的数据集.
