利用机器学习来识别乳腺癌女性患者的癌症治疗相关心脏功能障碍的治疗前预后非成像生物标志物

科学领域:

• 心脏病学 心脏病学
• 在瘤学瘤学.
• 生物标志物发现发现

背景情况:

• 心血管毒性是癌症疗法的显著不良影响之一.
• 在癌症诊断和治疗开始之前,预防心脏毒性至关重要.

研究的目的:

• 开发一种机器学习管道,用于识别无症状癌症治疗相关心脏功能障碍 (CTRCD) 的治疗前预后生物标志物.
• 为了使乳腺癌患者的CTRCD早期风险分层.

主要方法:

• 利用了485名女性乳腺癌患者 (年龄≥55) 的数据集.
• 集成的临床,生化和心脏成像标记.
• 采用递归特征消除与特征选择的交叉验证.

主要成果:

• 确定了一个预测CTRCD的显著特征面板,ROC-AUC为0.75±0.07.
• 关键生物标志物包括左心室喷射分数,trastuzumab剂量,BSA,血小板,LV后壁直径,WBC,BMI和IVSD.
• 这些特征在≥90%的重新采样代中被一致选择.

结论:

• 通过治疗前的生物标志物,可以早期识别高风险的CTRCD患者.
• 积极的干预措施,如心脏保护药物和调整的癌症治疗,可以保持心脏功能.
• 基于已识别的生物标志物的定制策略改善了乳腺癌患者的长期结果.