预测乳腺癌存活率：基于对数几率和临床变量的生存分析方法
机器学习
2024-10-18 v1
摘要
乳腺癌仍是全球健康面临的重大挑战，其预后和治疗决策主要依赖于临床特征。准确预测患者结局对于制定个性化治疗策略至关重要。本研究采用生存分析技术，包括比例风险比模型（Cox proportional hazards）和参数生存模型，以提高对乳腺癌患者存活对数几率的预测。分析了肿瘤大小、激素受体状态、HER2状态、年龄和治疗史等临床变量，以评估其对存活结果的影响。从尼日利亚Ibadan大学医院获取了1557例乳腺癌患者的数据。该数据集经过预处理后，使用单变量和多变量方法进行分析，以评估存活结果。生成了 Kaplan-Meier 生存曲线以可视化存活概率，而比例风险比模型识别影响死亡率的关键风险因素。结果显示，老年年龄、较大的肿瘤大小和HER2阳性状态与增加死亡风险显著相关。相比之下，雌激素受体阳性和乳腺保存手术与更好的存活结果相关。这些发现表明，将这些临床变量整合到预测模型中可以提高存活预测的准确性，有助于识别可能从接受更激进干预措施的高风险患者。该研究表明了生存分析在优化乳腺癌护理方面的潜力，特别是在资源受限的地区。未来的研究应致力于整合基因组数据和真实世界临床结果，以进一步细化这些模型。
引用
@article{arxiv.2410.13404,
title = {Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables},
author = {Opeyemi Sheu Alamu and Bismar Jorge Gutierrez Choque and Syed Wajeeh Abbs Rizvi and Samah Badr Hammed and Isameldin Elamin Medani and Md Kamrul Siam and Waqar Ahmad Tahir},
journal= {arXiv preprint arXiv:2410.13404},
year = {2024}
}
备注
17 pages