基于深度学习的膀癌患者的生存分析在中国上海市普陀区的膀癌患者
Wang Ruojing1, Shen Yuan1, Shi Feiya1
1Department of Cancer Prevention and Systemic Regulation, Shanghai Putuo District Center for Disease Control and Prevention, Shanghai, China.
Frontiers in oncology
|December 11, 2025
概括
使用TabNet的深度学习模型有效地预测了膀癌的生存率,超过了后勤回归. 这为基于社区的管理和后续策略提供了有价值的见解.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 膀癌面临着重大的公共卫生挑战.
- 有效的管理和后续策略对于患者的治疗结果至关重要.
研究的目的:
- 开发一个使用TabNet框架的深度学习生存预测模型.
- 为了比较TabNet模型的性能与膀癌存活率预测的传统后勤回归.
主要方法:
- 分析了620名膀癌患者的队列.
- 使用TabNet框架构建了一个深度学习模型.
- 用ROC曲线,决策曲线分析,校准曲线和特征解释的SHAP来评估模型性能.
主要成果:
- 与逻辑回归相比,TabNet模型表现出优越的区分能力和校准,可以预测5年总生存率 (OS) 和癌症特异性生存率 (CSS).
- SHAP分析确定年龄,T阶段和N阶段是膀癌存活率的关键预测因素.
- 该模型在培训和验证队伍中表现出强的表现.
结论:
- 在TabNet深度学习模型提供了一个强大的方法来预测膀癌的生存率.
- 这些研究结果为改善膀癌患者的社区管理和随访方案提供了宝贵的见解.
