机器学习辅助的早期非小细胞肺癌患者复发预测
机器学习
2022-11-21 v1 定量方法
摘要
背景：根据复发风险对癌症患者分层可使其诊疗个性化。本工作中，我们回答以下研究问题：如何利用机器学习估计早期非小细胞肺癌患者的复发概率？方法：为预测来自西班牙肺癌组数据的 1,387 名早期（I-II 期）非小细胞肺癌（NSCLC）患者（平均 age 65.7 岁，女性 24.8%，男性 75.2%）的复发，我们训练了表格与图机器学习模型。我们为这些模型的预测生成自动解释。对于在表格数据上训练的模型，我们采用 SHAP 局部解释来衡量每位患者特征对预测结果的贡献。我们用基于实例的方法解释图机器学习预测，该方法突出有影响力的既往患者。结果：在表格数据上训练的机器学习模型在预测复发时，随机森林模型经 10 折交叉验证达到 76% 准确率（模型以不同独立患者集作为测试、训练与验证集训练 10 次，报告指标为这 10 个测试集上的平均值）。图机器学习在 200 名患者的留出测试集上达到 68% 准确率，并在 100 名患者的留出集上校准。结论：我们的结果表明，在表格与图数据上训练的机器学习模型可实现客观、个性化且可复现的复发及因此带来的疾病结局预测。经进一步前瞻性与多中心验证，并补充放射与分子数据后，该预后模型有望作为决定早期肺癌辅助治疗方案的预测性决策支持工具。关键词：非小细胞肺癌，肿瘤复发预测，机器学习
引用
@article{arxiv.2211.09856,
title = {Machine Learning-Assisted Recurrence Prediction for Early-Stage Non-Small-Cell Lung Cancer Patients},
author = {Adrianna Janik and Maria Torrente and Luca Costabello and Virginia Calvo and Brian Walsh and Carlos Camps and Sameh K. Mohamed and Ana L. Ortega and Vít Nováček and Bartomeu Massutí and Pasquale Minervini and M. Rosario Garcia Campelo and Edel del Barco and Joaquim Bosch-Barrera and Ernestina Menasalvas and Mohan Timilsina and Mariano Provencio},
journal= {arXiv preprint arXiv:2211.09856},
year = {2022}
}