机器学习增强老年质母细胞瘤IDH野生型的预后建模:一个多维单中心队列研究

科学领域:

• 神经瘤学神经瘤学
• 老年医学 老年医学
• 计算生物学 计算生物学

背景情况:

• 老年质母细胞瘤 (GBM IDHwt) 患者面临的挑战是由于试验中的异质性和代表性不足.
• 目前的预后不够,导致主观的治疗决定.

研究的目的:

• 确定老年GBM IDHwt患者的生存决定因素.
• 通过使用临床和治疗前数据,评估机器学习 (ML) 模型的预后效用.

主要方法:

• 对155名老年GBM IDHwt患者 (≥70岁) 进行神经外科手术的分析.
• 多变量回归和组图梯度增强回归 (HGBR) ML模型应用于临床,放射学,手术和分子数据.
• 开发了两个ML模型:一个带有完整数据,一个只有预处理数据.

主要成果:

• 平均整体存活时间 (OS) 为11.3个月 (切除) 和3.7个月 (活检).
• 独立的OS预测因子:总体切除 (GTR),MGMT促进物甲基化,非急性症状发作,放射治疗+泰莫索洛米德 (RT+TMZ).
• ML模型证实了RT + TMZ和GTR;强调了BMI和认知衰退作为手术前预测因素.

结论:

• GTR,MGMT甲基化和RT + TMZ是确定的预后因素.
• 基线KPS和年龄缺乏独立的预后价值;BMI和认知衰退是潜在的手术前预测因素.
• 进行术前风险分层的多维,数据驱动的方法可以实现个性化质母细胞瘤治疗策略.