基于机器学习算法开发和验证基于非小细胞肺癌骨转移的预后模型

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 骨转移经常发生在非小细胞肺癌 (NSCLC) 中.
• 对于在诊断时出现骨转移的NSCLC患者,没有经过验证的预后模型.

研究的目的:

• 开发和验证NSCLC患者在诊断时骨转移时整体生存 (OS) 的预后模型.

主要方法:

• 对1,299名NSCLC患者 (2016-2023) 的回顾性审查.
• 应用三种机器学习算法来识别预后变量.
• 构建和内部验证用于OS预测的考克斯回归名ogram.

主要成果:

• 确定了四个独立的预后因素:年龄,血清,单细胞与白蛋白的比率和预后营养指数.
• 诺莫格拉姆显示出强大的预测性表现 (AUC: 6个月的86.53%,1年的78.32%,2年的77.85%).
• 校准图表证实了预测和观察到的生存率之间的良好一致性.

结论:

• 一个经过验证的名图提供了一个实际的工具,用于预测骨转移的NSCLC患者的存活率.
• 支持这个患者群体的个性化风险分层和临床决策.