术前和术后预测脑膜瘤远期预后

导语

通过机器学习技术设计模型

作者：荷塘月影

来源：医学论坛网肿瘤

根据肿瘤分级和切除范围对脑膜瘤进行分层，通常与其他临床变量分开。本项研究使用机器学习（ML）整合人口统计学、临床、放射学和病理学数据，以开发脑膜瘤结果的预测模型。

研究者开发了一个综合数据库，其中包含了1990至2015年一家机构235名患者接受手术治疗257例脑膜瘤的信息。中位随访4.3年，根据目前的诊断标准对切除标本进行了重新评估，128名WHO I级、104名II级和25名III级脑膜瘤。

通过嵌套重采样训练和调整一系列ML算法，以基于术前特征、常规术后特征或两者来创建模型。我们比较了不同算法的准确性以及它们为数据提供的独特见解。

机器学习模型限于术前信息，例如患者人口统计学和放射学特征，具有与基于脑膜瘤分级和切除范围的模型预测局部失败（AUC = 0.74）或总生存（AUC = 0.68）相似的准确性（AUC分别是0.73和0.72）。结合所有可用人口统计学、临床、放射学和病理学数据的综合模型进行了最准确的估计（AUC分别是0.78和0.74）。

从这些模型中，我们开发了决策树和列线图，以估计脑膜瘤患者局部失败或总体存活的风险。

临床信息在预测脑膜瘤结果方面一直未得到充分利用。在术前临床数据上训练的预测模型与在脑膜瘤分级和切除范围上训练的传统模型相当。所有可用信息的组合可以帮助更准确地对脑膜瘤患者进行分层。

Gennatas ED, et al. PLoS One. 2018 Sep 20;13(9):e0204161. doi: 10.1371/journal.pone.0204161.

医学论坛网肿瘤

cmt-zl

长按识别左边二维码关注我们

授权微信：cmtwnys

商务合作QQ：1425551469

底部请随手点赞哟↓↓