预测上皮性卵巢癌复发机器学习模型及列线图的建立

目的:本研究拟基于机器学习及Cox回归开发上皮性卵巢癌复发机器学习模型及列线图.方法:回顾性分析2010年01月至2020年12月于云南省肿瘤医院确诊739例Ⅲ-Ⅳ期EOC患者的医疗记录.收集患者的基本信息、手术、化疗细节和预后结果.使用单多因素逻辑回归及Cox回归筛选变量,使用5种机器学习算法基于单多因素逻辑回归的结果构建预测模型,采用10折交叉验证方法评估模型性能.基于Cox回归结果开发列线图.结果:739例患者中,399(54.0％)例最终发生了复发,340(46.0％)例未复发.复发患者分期以ⅢC期为主,占59.1％,病理类型以浆液性癌为主,占91.0％.单多因素逻辑回归显示围手术期化疗周期、术后残余病灶、手术方式、新辅助化疗是与复发独立相关的4个变量,基于这些变量和FIGO分期建立5个机器学习模型,XGBoost在识别复发病例方面表现最佳,AUC为0.775.Cox回归分析显示,术前局部灌注化疗、残余病灶直径、围手术期化疗周期、手术方式是影响复发的独立危险因素,基于上述因素开发了晚期上皮性卵巢癌患者复发的预测列线图.结论:机器学习模型和列线图可早期识别卵巢癌复发,通过早期识别可改善晚期卵巢癌预后.