开发一种机器学习模型,用于预测患有乳腺癌的年轻女性的治疗相关 Amenorrhea
Long Song1, Zobaida Edib2,3, Uwe Aickelin1
1School of Computing and Information Systems, The University of Melbourne, Parkville, VIC 3052, Australia.
Bioengineering (Basel, Switzerland)
|November 27, 2025
概括
一个新的机器学习模型预测了年轻乳腺癌患者卵巢功能丧失的风险. 该工具通过预测化疗后的缺血风险来帮助生育咨询,改进了现有的预测方法.
科学领域:
- 在瘤学瘤学.
- 生殖医学 生殖医学
- 生物统计学 生物统计学
背景情况:
- 治疗引起的卵巢功能丧失是绝经前乳腺癌患者的主要担忧.
- 目前的卵巢功能损失风险预测模型在准确性和患者代表性方面存在局限性.
- 准确的预测对于患者咨询和生育决策至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测与治疗相关的缺血症,作为乳腺癌患者卵巢功能丧失的替代品.
- 通过结合来自多个来源的数据和采用先进的功能选择来改善风险预测.
- 为了为生育保护讨论提供更个性化的风险评估.
主要方法:
- 在FoRECAsT数据库中的六个数据集 (2679名绝经前妇女) 的综合回顾性数据.
- 使用k-最近邻居 (KNN) 进行缺失数据的交叉计量.
- 开发了一种基于拉索回归的机器学习模型,用于预测化疗后12个月的缺血风险.
主要成果:
- 鉴定了与异常风险相关的20个显著变量.
- 实现了内部验证的AUC为0.820,外部验证的AUC为0.743.
- 为高灵敏度选择了0.20的截止值 (91.3%内部,92.9%外部),以尽量减少虚假阴性.
结论:
- 开发的ML模型为乳腺癌患者的治疗相关 amenorrhea提供了增强的,个性化的风险预测.
- 该模型显示了与现有的预测工具相比的显著改进.
- 这种方法为利用多种数据源提供了一个强大的框架,以改善关于生育保护的临床决策.
更多相关视频
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
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
475
