开发和验证B细胞淋巴瘤患者治疗反应的预后模型:标准统计和机器学习方法
Adugnaw Zeleke Alem1,2, Itismita Mohanty1, Nalini Pati1,3,4
1Health Research Institute, University of Canberra, Canberra 2617, Australia.
Journal of clinical medicine
|October 29, 2025
概括
预测B细胞淋巴瘤患者的完整反应对于长期生存至关重要. 结合六个关键变量的新名录显示,与现有模型相比,预测准确度有所提高,有助于治疗决策.
科学领域:
- 在瘤学瘤学.
- 血液学 血液学 血液学
- 生物统计学 生物统计学
背景情况:
- 治疗后的完整反应 (CR) 是淋巴瘤患者长期存活的重要预测指标.
- 现有的预测模型通常侧重于整体存活率 (OS) 和无进展存活率 (PFS),忽视治疗反应.
- 在治疗前预测CR为临床决策提供了即时的,可操作的见解.
研究的目的:
- 开发和验证B细胞淋巴瘤的第一线治疗对治疗反应的预测模型.
- 评估七个机器学习算法的性能,以预测完整的响应.
- 为了比较一个新型名谱的预测准确度与已建立的预后指数.
主要方法:
- 利用了来自淋巴瘤和相关疾病登记处 (LaRDR) 的2763名B细胞淋巴瘤患者的数据.
- 在培训 (80%) 和验证 (20%) 队列中使用了七种算法 (逻辑回归,KNN,SVM,随机森林,naive Bayes,GBM,XGBoost).
- 使用歧视,分类指标,校准Brier分数和临床实用性决策曲线分析的评估模型.
主要成果:
- 所有评估的模型都显示了可比的性能,在验证队列中,曲线下的面积 (AUC) 值在0.69-0.70之间.
- 一个名录集成阶段,LDH,性能状态,BCL2表达,贫血和全身免疫炎症指数实现了0.70.的AUC.
- 开发的诺米图表表表现优于国际预测指数 (IPI),修订后的IPI和NCCN-IPI,通过决策曲线分析证明了优越的净收益.
结论:
- 与基于IPI的系统相比,开发的诺姆图表表现出增强的辨别性能和临床实用性,用于预测B细胞淋巴瘤的完整反应.
- 诺米图的预测能力可以帮助优化一线治疗选择.
- 建议在广泛的临床整合前进行进一步的外部验证.
