相关实验视频
Updated: Jul 24, 2026

An R-Based Landscape Validation of a Competing Risk Model
Published on: September 16, 2022
针对小细胞神经内分泌宫癌的基于机器学习的预后模型的开发和外部验证:一项多中心研究
Yaxin Kang1, Lele Chang1, Huaqin Lin1
1Departments of Gynecology, Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital, NHC Key Laboratory of Cancer Metabolism, Fuzhou, Fujian, 350014, China.
一个新的机器学习模型Stepwise Cox (StepCox) +随机生存森林 (SCR) 准确地预测了小细胞神经内分泌宫癌 (SCNECC) 的预后. 该工具有助于临床医生识别高风险患者并改进治疗策略.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 生物统计学 生物统计学
背景情况:
- 小细胞神经内分泌宫癌 (SCNECC) 是一种罕见的癌症,预后不佳.
- 对SCNECC的预后因素尚不清楚.
- 机器学习 (ML) 可能会为SCNECC开发预测模型.
研究的目的:
- 为SCNECC.开发和验证基于机器学习的预后模型.
- 确定SCNECC患者生存的关键预测因素.
- 为SCNECC管理提供临床决策支持工具.
主要方法:
- 利用SEER数据库 (487名患者) 和中国注册表 (300名患者) 进行培训,内部和外部验证.
- 应用单变量考克斯回归来确定候选变量 (p < 0.05).
- 评估了10个ML算法的117个组合,根据C指数,校准,ROC曲线和DCA选择了表现最佳的模型.
主要成果:
- 逐步Cox (StepCox) +随机生存森林 (SCR) 模型实现了0.84 (发展),0.75 (内部验证) 和0.68 (外部验证) 的C指数.
- SCR模型对1,3年和5年生存期具有显著的预后价值.
- SHAP分析确定了20个关键预测因素,提高了模型的稳定性.
结论:
- 该SCR模型显示了预测SCNECC预后的前景.
- 这种模型可以帮助临床医生识别高风险患者.
- 改善患者分层可能会导致优化治疗和更好的临床结果.
更多相关视频
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
相关概念视频
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...