基于计算机断层扫描的机器学习营养关联名图预测了可切除软组织肉瘤患者的生存结果
1West China School of Medicine, Sichuan University, Chengdu 6100041, Sichuan Province, China. yyh_1023@163.com.
World journal of radiology
|March 11, 2026
概括
营养状况显著影响软组织肉瘤 (STS) 患者的结果. 整合营养和临床数据的机器学习模型可以预测STS患者的生存率和住院时间.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是指放射学
- 营养科学 营养科学
背景情况:
- 软组织肉瘤 (STS) 是一种具有高复发率和死亡率的侵袭性癌症,尽管经过手术.
- 患者的营养状况和身体成分是癌症结果的关键决定因素.
- 机器学习可以整合复杂的数据,以改善生存预测.
研究的目的:
- 为了确定手术治疗的STS患者的营养相关因素的预后意义.
- 使用生存分析和机器学习开发营养评估的预测模型.
主要方法:
- 对接受外科切除的638名STS患者 (2009-2018) 的回顾性分析.
- 从血液测试和CT扫描中收集了与营养相关的指标.
- 采用随机生存森林 (RSF) 和随机森林分析来预测结果和构建名录.
主要成果:
- RSF确定了病期,住院时间,亚型,BMI和瘤大小是整体存活 (OS) 的关键预测因素.
- 基于RSF的诺米图显示出强大的校准和辨别能力,可以预测临床结果.
- 营养指数显示出各种临床结果的预后价值.
结论:
- 多个营养评估指数对于预测STS的临床结果是有价值的.
- 长期监测和营养状况的管理对于STS患者至关重要.
关键词:
控制营养评分 控制营养评分营养不良普遍查工具 营养不良普遍查工具这个名字叫做Nomogram.预测 预后 预测 预测放射性评分 放射性评分 放射性评分随机生存森林是随机生存的森林.软组织肉瘤是软组织肉瘤.系统性免疫-炎症指数
