Достижения в разработке моделей прогнозирования риска когнитивных нарушений, связанных с онкологическими заболеваниями
Advances in risk prediction models for cancer-related cognitive impairment
2025-03-06
SCID: 54.1/mt26rthn
Discuss with AI
выжившие после ракакогнитивные нарушения, связанные с ракомлогистическая регрессиямашинное обучениемодели прогнозирования риска
Figures from the paper
Abstract (AI)
Когнитивные нарушения, связанные с онкологическими заболеваниями (CRCI), стали значимым долгосрочным осложнением у пациентов, перенесших рак, особенно у тех, кто получает химиотерапию, лучевую терапию или таргетную терапию. Несмотря на достижения в лечении, CRCI ухудшают качество жизни пациентов, влияя на их повседневное функционирование, трудоспособность и психологическое благополучие. В последние годы исследования сосредоточены на выявлении прогностических факторов CRCI и разработке моделей прогнозирования риска для содействия раннему вмешательству. В настоящем обзоре обобщены последние достижения в области моделей прогнозирования риска CRCI, включая традиционные статистические методы, такие как логистическая регрессия, и передовые методы машинного обучения. Хотя модели машинного обучения демонстрируют более высокую прогностическую эффективность, сохраняются ограничения, связанные с доступностью данных и интерпретируемостью моделей. Кроме того, в обзоре выделены ключевые факторы риска — такие как возраст, тип рака и методы лечения — и оценены сильные и слабые стороны различных прогностических моделей с точки зрения точности, обобщаемости и клинической применимости. Наконец, в статье обсуждаются проблемы валидации этих моделей на различных популяциях и необходимость дальнейших исследований для повышения надежности моделей и персонализации вмешательств.
Key Findings
1
Возраст, тип рака и методы лечения определены как важные факторы риска связанных с раком когнитивных нарушений.
2
Связанное с раком когнитивное нарушение является значимым долгосрочным осложнением, влияющим на качество жизни, повседневное функционирование, трудоспособность и психологическое благополучие выживших после рака.
3
Существующие модели различаются по точности, обобщаемости и клинической применимости; важными нерешёнными задачами остаются валидация на разнообразных популяциях и разработка персонализированных вмешательств.
4
Модели машинного обучения в целом демонстрируют более высокую прогностическую эффективность, однако их клиническое внедрение ограничивают недостаток данных и низкая интерпретируемость.
5
Современные исследования прогнозирования риска когнитивных нарушений включают традиционные модели логистической регрессии и передовые методы машинного обучения для поддержки более раннего вмешательства.
Research Object
связанное с раком когнитивное нарушение (CRCI) у переживших рак пациентов, особенно получающих химиотерапию, лучевую терапию или таргетную терапию
Research Subject
прогнозирование риска CRCI, включая прогностические факторы, а также точность, обобщаемость, интерпретируемость и клиническую применимость статистических моделей и моделей машинного обучения
Publication Details
Publication Date
2025-03-06
Journal
Publisher
ISSN
Cited by
8
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest