在胰腺腺癌中预测新辅助化疗和选择性节点辐射的益处:监督机器学习方法

科学领域:

• 在瘤学瘤学.
• 手术瘤学手术瘤学
• 医学瘤学 医学瘤学

背景情况:

• 对于切除性胰腺管腺癌 (PDAC) 的新辅助疗法有效性仍在争论中.
• 预测治疗反应对于优化患者治疗结果至关重要.

研究的目的:

• 开发一种预测模型,用于 (边界) 可切除PDAC的患者的治疗反应.
• 评估新辅助化疗 (NAC) 随后的电疗与选择性节点辐射 (ENI) 对患者结局的影响.

主要方法:

• 从2006年到2020年使用了国家癌症数据库 (NCDB).
• 开发了一个LASSO后勤回归模型来预测ypN0状态.
• 验证了培训,测试和ENI-naive队列的模型.

主要成果:

• 最终的模型包括瘤的位置,临床T阶段,治疗时间和ENI剂量.
• 预测响应的患者具有显著更高的ypN0率 (71.5%对29.7%) 和R0切除 (87.3%对62.6%).
• 该模型显示了改善的整体存活率 (SHR=0.64) 和AUC的0.718-0.725.

结论:

• 一个机器学习衍生的名图可以预测对NAC和放射治疗的治疗反应.
• 通过模型识别的患者经历了优异的ypN0,R0切除和整体生存率.