面向精准肿瘤学：基于临床数据的头颈癌死亡率与复发-free生存率预测研究
定量方法
2025-02-18 v1
摘要
头颈鳞状细胞癌（HNSCC）因其异质性和高死亡率，在临床肿瘤学中 presents 诸多挑战。本研究旨在利用临床数据和机器学习（ML）原理，预测HNSCC患者的关键结局：死亡率和复发-free生存率。研究从癌症影像档案馆获取数据，构建了广泛的管道以确保模型训练和评估的稳健性。采用XGBoost、随机森林和支持向量机等集成分类器和单一分类器开发预测模型。研究确定了影响HNSCC死亡率结局的关键临床特征，并在所有任务中实现了超过90%的预测准确率和ROC-AUC值。支持向量机在复发-free生存率方面表现突出，召回率达0.99，精度为0.97。关键临床特征包括局部-区域控制、吸烟史和治疗类型，被确定为患者结局的关键预测因子。这一研究强化了利用ML驱动的见解来细化预后准确性并优化HNSCC个体化治疗策略的医学影响。
引用
@article{arxiv.2502.11200,
title = {Towards Precision Oncology: Predicting Mortality and Relapse-Free Survival in Head and Neck Cancer Using Clinical Data},
author = {Naman Dhariwal and Abeyankar Giridharan},
journal= {arXiv preprint arXiv:2502.11200},
year = {2025}
}