Development and validation of machine learning prognostic models for overall survival in non-surgical prostate cancer patients with bone metastases - PubMed
2 months ago
- #Machine Learning
- #Prostate Cancer
- #Survival Analysis
- 目标：开发机器学习模型用于预测非手术前列腺癌骨转移（PCBM）患者的总生存期。
- 方法：使用SEER数据库中3,378例患者数据建立生存模型，并通过SHAP方法对最优模型进行解释。
- 结果：极限生存树（EST）模型表现最佳（验证集AUC=0.694，C指数=0.643）。Gleason评分是最关键的生存因素，超越临床T分期。内脏转移和高龄也会增加死亡风险。
- 结论：EST模型可有效评估非手术PCBM患者总生存期。Gleason评分比局部解剖分期具有更高预后价值，提示对高Gleason评分、高转移负荷患者应早期积极干预。