开发一种基于机器学习的模型,用于黑色素瘤的预后预测
Enbo Hu1,2, Mengnan Tai2,3, Zixuan Nie3
1School of Electronic Information, Hunan First Normal University, Changsha , 410205, China.
Scientific reports
|November 29, 2025
概括
机器学习模型预测黑色素瘤的生存率. CatBoost模型在1,3和5年生存预测方面显示出卓越的准确性,有助于临床决策.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 黑色素瘤是一种具有不良预后的侵袭性皮肤癌,使得生存预测至关重要.
- 需要准确的预后工具来支持临床决策和改善患者的治疗结果.
研究的目的:
- 应用和评估五种机器学习模型来预测黑色素瘤患者的生存率.
- 确定最准确的模型,以提高预后评估和临床效用.
主要方法:
- 利用来自SEER数据库的4875名皮肤黑色素瘤患者的数据.
- 应用并比较了随机森林,决策树,XGBoost,CatBoost和LightGBM模型.
- 使用ROC曲线下的面积 (AUC),混矩阵,校准曲线和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- CatBoost模型在1,3和5年生存预测中表现出最佳的性能和稳定性.
- 获得的AUC值分别为0.7577,0.7595和0.7557,为1年,3年和5年的生存期.
- 决策曲线分析证实了CatBoost模型的临床实用性.
结论:
- CatBoost模型是用于评估黑色素瘤预后的实用和准确工具.
- 这种机器学习方法支持个性化的临床决策,并可能增强早期干预策略.
- 该模型的强大的概括能力为黑色素瘤患者的生存提供了可靠的预测见解.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.3K
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
