亚塑性大细胞淋巴瘤-亚塑性淋巴瘤激酶阳性的生存预测:基于整体机器学习模型
Ruilan Zhong1, Changjiu Liang1, Limei Li1
1Department of Hematology, The Second Affiliated Hospital of Hainan Medical University, Haikou, Hainan, China.
Digital health
|November 17, 2025
概括
这项研究开发了一种机器学习模型,用于预测阳性无塑性大细胞淋巴瘤-无塑性淋巴瘤激酶 (ALCL-ALK) 患者的生存率. 该模型准确识别高风险个体,帮助个性化治疗决策.
科学领域:
- 血液学 血液学 血液学
- 在瘤学瘤学.
- 机器学习在医学中的应用
背景情况:
- 无性大细胞淋巴瘤-无性淋巴瘤激酶 (ALCL-ALK) 阳性是一种罕见的淋巴瘤亚型,预后可变.
- 由于复杂的预后因素和有限的研究,准确的生存预测具有挑战性.
研究的目的:
- 开发和验证一种机器学习模型,用于预测ALCL-ALK阳性患者的生存结果.
- 确定风险分层的关键预后变量.
主要方法:
- 使用SEER数据库对473名ALCL-ALK阳性患者 (2016-2021) 的回顾性队列研究.
- 构建一个多算法集机器学习框架,选择LASSO + CoxBoost模型.
- 使用AUC,一致性指数,ROC曲线和校准图表进行系统评估.
主要成果:
- 确定了六个关键的预后变量:年龄,婚姻状况,安纳伯阶段,放射治疗,肺转移和初级部位.
- 拉索+CoxBoost模型表现出强大的区分能力和校准能力.
- 高AUC值 (例如,训练组1年后0.894) 和风险组之间的显著生存差异.
结论:
- 这是第一个使用整体机器学习创建ALCL-ALK阳性的生存预测模型的研究.
- 该模型为个性化风险评估提供了一个实用的工具.
- 该模型有可能优化ALCL-ALK阳性患者的临床决策.
更多相关视频
06:19Constructing and Visualizing Models using Mime-based Machine-learning Framework
Published on: July 22, 2025
2.3K
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
