机器学习模型的验证,用于预测乳房切除术后的放射治疗建议,即刻进行乳房重建后的放射治疗建议

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 机器学习在医学中的应用

背景情况:

• 乳房切除术后的放射治疗 (PMRT) 可能会在接受立即植入式乳房重建 (IIBBR) 的患者中导致长期的发病率.
• 对于PMRT的潜在需求会影响关于乳房重建的类型和时间的术前决策.
• 准确预测PMRT对于优化患者护理和重建策略至关重要.

研究的目的:

• 验证一种机器学习 (ML) 模型,用于预测接受IIBBR的患者的PMRT建议.
• 确保模型符合预测模型的透明报告准则.

主要方法:

• 分析了一组224名经过IIBBR乳腺切除术的乳腺癌患者.
• 数据包括从临床病史,体检,诊断成像和病理学报告中获得的12个术前患者特征.
• 用一个验证的ML模型来预测PMRT概率.

主要成果:

• 37%的患者被建议接受PMRT.
• ML模型实现了高预测性能,接收器操作特征曲线下的面积为0.80.
• 对于PMRT的关键预测因素包括淋巴结大小,状淋巴结活检结果,瘤大小和初始超声波使用.

结论:

• 一个经过验证的ML模型可以可靠地预测IIBBR患者的PMRT建议.
• 这种预测工具可以帮助临床医生在手术前就乳房重建选择进行讨论.
• 该模型支持乳腺癌患者在乳腺切除术后考虑重建的知情决策.