开发和验证一个机器学习模型和名图来预测肺癌中大脑转移:一个基于人口的研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 生物统计学 生物统计学

背景情况:

• 大脑转移是晚期肺癌的主要问题.
• 目前关于大脑转移和生存的预测模型缺乏精度.

研究的目的:

• 开发和验证肺癌内转移的精确预测系统.
• 确定大脑转移的关键风险因素和预后指标.

主要方法:

• 使用SEER数据库 (2010-2015) 的回顾性队列研究.
• 多变量逻辑回归和考克斯比例危险建模用于风险因素识别.
• 开发并使用ROC曲线和校准评估了六个机器学习算法,包括渐变增强机 (GBM).

主要成果:

• 分析了25,072名肺癌患者.
• 确定了年龄,瘤等级,组织病理学和治疗作为转移的关键预测因素.
• 与其他模型相比,GBM算法展示了优越的预测性能.

结论:

• 一个用户友好的基于GBM的Web应用程序被开发用于预测大脑转移概率.
• 该工具通过对肺癌患者的可访问风险分层来增强个性化治疗规划.