转移性模式,预后因素和初级胃肠道黑色素瘤的深度学习模型发展:回顾性队列分析

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 关于初级胃肠道黑色素瘤 (PGM) 的转移模式,生存率和预后的知识有限.
• 这项研究解决了对PGM特征的综合数据的需求.

研究的目的:

• 为了研究PGM的转移模式.
• 为了确定影响生存的预后因素.
• 开发和验证深度学习模型,用于预测PGM的整体生存率 (OS) 和癌症特异性生存率 (CSS).

主要方法:

• 对监测,流行病学和最终结果 (SEER) 数据库的分析.
• 考克斯回归分析以确定OS和CSS的预后因素.
• 使用发现 (80%) 和验证 (20%) 队列开发和验证深度学习模型.
• 使用接收器操作特征曲线 (AUC) 下面的面积来评估模型性能.

主要成果:

• 中位数的OS为18个月,中位数的CSS为22个月.
• 一年,3年和5年的OS率分别为60%,32%和22%.
• 常见的转移部位包括肝脏 (19%),肺部 (16%),骨 (5%),以及大脑 (4%).
• 高龄,晚期和多重转移与较差的生存率有关;全身治疗具有保护性.
• 深度学习模型在预测OS (AUC:0.7757-0.8366) 和CSS (AUC:0.7870-0.8169) 方面表现强.

结论:

• 根据亚型,PGM预后有很大差异.
• 开发的深度学习模型准确地预测OS和CSS.
• 这些模型在管理PGM方面具有临床实用性的潜力.