Lancet Digital Health:机器学习模型优于传统标志物预测晚期肝癌免疫联合治疗预后
2026-02-13 清泉心田 MedSci原创 发表于陕西省
基于常规基线临床变量的高级机器学习集成模型,在预测阿替利珠单抗联合贝伐珠单抗治疗晚期肝癌的结局上,性能显著优于传统临床生物标志物,且能有效将患者分层为高低危组,为临床筛选获益人群提供了有效工具。
深度解析医学证据,DeepEvidence为你支撑决策 肝细胞癌是全球第三大癌症相关死亡原因,多数患者确诊时已处于晚期,阿替利珠单抗联合贝伐珠单抗是其一线免疫联合治疗方案,但仅约三分之一患者对该治疗有应答,且传统线性模型仅能分析单一疾病特征,多变量预测体系的缺失限制了临床精准诊疗。在此背景下,这项多中心回顾性队列研究首次尝试利用高级机器学习模型,结合常规基线临床变量预测该联合方案的治疗结局,为晚期肝癌的个性化治疗提供数据支撑。 该研究于 2018 年 5 月至 2023 年 10 月在 8 个国家的 24 个中心开展,共筛选 934 例接受阿替利珠单抗联合贝伐珠单抗治疗的晚期肝癌患者,排除 160 例既往接受过系统治疗的患者后,774 例纳入最终分析,按地理分布分为训练集(339 例)、内部验证集(146 例)和外部验证集(289 例)。研究采用 44 项基线临床变量,将 7 种监督式机器学习算法与 13 种特征选择技术结合,筛选出最优模型后构建集成模型,同时用 k-means 聚类将患者分为高低危组,主要研究终点为总生存期(OS)、无进展生存
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言








#晚期肝癌# #机器学习模型# #传统标志物#
24 举报