机构名称：
¥ 1.0
背景：化生乳腺癌（MBC）是乳腺癌的罕见且高度侵略性的组织学亚型。仍然存在可用于临床实践的精确预测模型。方法：本研究利用SEER数据库（2010 - 2018）的患者数据进行数据分析。我们利用预后因素来开发一种新型的机器学习模型（CATBOOST）来预测患者的存活率。同时，我们医院的MBC患者队列被用来验证我们的模型。我们比较了三组患者的放射治疗的好处。结果：我们开发的Catboost模型表现出很高的准确性和正确性，使其成为预测MBC患者（1年AUC = 0.833，3年AUC = 0.806; 5年AUC = 0.810）的最佳表现模型。此外，Catboost模型在外部独立数据集中保持强劲的性能，1年生存率的AUC值为0.937，3年生存率为0.907，5年生存率分别为0.890。放射治疗更适合于接受M0阶段接受乳房持胸腔手术的患者[组：（OS：HR = 0.499，95％CI 0.320 - 0.777 P <0.001; BCSS：HR = 0.519，95％CI 0.290 - 0.290 - 0.929 P = 0.008）和那些在TT3-3-3-3-3-3-M中（OS：HR = 0.595，95％CI 0.437 - 0.810 P <0.001; BCSS：HR = 0.607，95％CI 0.427 - 0.862 P = 0.003）]，与经过T1-2/N0-1M0的患者相比，接受了Mastrosy t1-n0-1m0阶段， 0.730; BCSS：HR = 1.909，95％CI 1.036 - 3.515 P = 0.038）。结论：我们开发了三个机器学习预后模型，以预测MBC患者的存活率。放射疗法被认为更适合接受M0阶段进行乳腺癌手术以及在T3-4/N2-3M0阶段进行乳房切除术的患者。
个性化的患者数据和行为轻推，以提高遵守慢性心血管药物的依从性一项随机务实试验
主要关键词
相关文件推荐
