10.3969/j.issn.1672-4992.2023.07.018
预测上皮性卵巢癌复发机器学习模型及列线图的建立
目的:本研究拟基于机器学习及Cox回归开发上皮性卵巢癌复发机器学习模型及列线图.方法:回顾性分析2010年01月至2020年12月于云南省肿瘤医院确诊739例Ⅲ-Ⅳ期EOC患者的医疗记录.收集患者的基本信息、手术、化疗细节和预后结果.使用单多因素逻辑回归及Cox回归筛选变量,使用5种机器学习算法基于单多因素逻辑回归的结果构建预测模型,采用10折交叉验证方法评估模型性能.基于Cox回归结果开发列线图.结果:739例患者中,399(54.0%)例最终发生了复发,340(46.0%)例未复发.复发患者分期以ⅢC期为主,占59.1%,病理类型以浆液性癌为主,占91.0%.单多因素逻辑回归显示围手术期化疗周期、术后残余病灶、手术方式、新辅助化疗是与复发独立相关的4个变量,基于这些变量和FIGO分期建立5个机器学习模型,XGBoost在识别复发病例方面表现最佳,AUC为0.775.Cox回归分析显示,术前局部灌注化疗、残余病灶直径、围手术期化疗周期、手术方式是影响复发的独立危险因素,基于上述因素开发了晚期上皮性卵巢癌患者复发的预测列线图.结论:机器学习模型和列线图可早期识别卵巢癌复发,通过早期识别可改善晚期卵巢癌预后.
上皮性卵巢癌、无进展生存期、预后分析、机器学习、列线图
31
R737.31(肿瘤学)
昆明医科大学研究生创新基金2022S317
2023-05-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
1276-1280