在接受免疫放射治疗的晚期肝细胞癌患者的整体生存预测中,基于人工智能的机器学习模型的性能

科学领域:

• 肝细胞癌 (HCC) 研究研究
• 癌症免疫疗法癌症免疫疗法
• 辐射疗法应用 辐射疗法应用
• 机器学习在瘤学中

背景情况:

• 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
• 目前的免疫疗法和向疗法等治疗方法对于晚期的HCC提供了异质的结果.
• 放射治疗 (RT) 显示了通过局部控制和免疫调节来提高全身治疗疗效的潜力.

研究的目的:

• 评估放射治疗 (RT) 对晚期HCC患者接受免疫治疗和向治疗的整体生存期 (OS) 的影响.
• 为了确定HCC的预后因素.
• 开发和验证机器学习 (ML) 模型,用于HCC个性化预后评估.

主要方法:

• 分析了175名HCC患者的队列,将RT组 (115名患者) 与非RT组 (60名患者) 进行比较.
• 统计分析包括千平方,曼-惠特尼U,卡普兰-梅尔和日志等级测试.
• 在培训队列中确定了预测因素,并用于开发101ML模型,使用一致性指数 (C指数) 和ROC曲线评估性能.

主要成果:

• 与非RT组 (8.5个月;P = 0.003) 相比,RT组的中位寿命明显更长 (15.4个月).
• 确定了四个关键的预后因素:"儿童"得分,BCLC阶段,瘤"大小"和"治疗"类型.
• 该StepCox (向前) +Ridge ML模型表现出最好的预测性能 (C指数:0.68培训,0.65验证),在1,2,3年具有高AUC值.

结论:

• 放射治疗显著改善了接受免疫疗法和向治疗的晚期HCC患者的预后.
• 该StepCox (向前) +Ridge模型显示了HCC中准确,个性化的预后评估的潜力.
• 将RT与全身疗法整合并利用AI可能会改善HCC患者的治疗结果.