SwePub
Sök i LIBRIS databas

  Utökad sökning

WFRF:(Gil Jeovanis)
 

Sökning: WFRF:(Gil Jeovanis) > (2022) > Prediction of early...

Prediction of early-stage melanoma recurrence using clinical and histopathologic features

Wan, Guihong (författare)
Harvard Medical School
Nguyen, Nga (författare)
Harvard Medical School
Liu, Feng (författare)
Stevens Institute of Technology
visa fler...
DeSimone, Mia S. (författare)
Harvard Medical School
Leung, Bonnie W. (författare)
Harvard Medical School
Rajeh, Ahmad (författare)
Harvard Medical School
Collier, Michael R. (författare)
Harvard Medical School
Choi, Min Seok (författare)
Harvard Medical School
Amadife, Munachimso (författare)
Harvard Medical School
Tang, Kimberly (författare)
Harvard Medical School
Zhang, Shijia (författare)
Harvard Medical School
Phillipps, Jordan S. (författare)
Harvard Medical School
Jairath, Ruple (författare)
Harvard Medical School
Alexander, Nora A. (författare)
Harvard Medical School
Hua, Yining (författare)
Harvard Medical School
Jiao, Meng (författare)
Stevens Institute of Technology
Chen, Wenxin (författare)
Harvard Medical School
Ho, Diane (författare)
Harvard Medical School
Duey, Stacey (författare)
Harvard Medical School
Németh, István Balázs (författare)
University of Szeged
Marko-Varga, Gyorgy (författare)
Lund University,Lunds universitet,Klinisk kemi, Malmö,Forskargrupper vid Lunds universitet,Clinical Chemistry, Malmö,Lund University Research Groups
Valdés, Jeovanis Gil (författare)
Lund University,Lunds universitet,Klinisk kemi, Malmö,Forskargrupper vid Lunds universitet,LUCC: Lunds universitets cancercentrum,Övriga starka forskningsmiljöer,Clinical Chemistry, Malmö,Lund University Research Groups,LUCC: Lund University Cancer Centre,Other Strong Research Environments
Liu, David (författare)
Dana-Farber Cancer Institute
Boland, Genevieve M. (författare)
Harvard Medical School
Gusev, Alexander (författare)
Dana-Farber Cancer Institute
Sorger, Peter K. (författare)
Harvard Medical School
Yu, Kun Hsing (författare)
Harvard Medical School
Semenov, Yevgeniy R. (författare)
Harvard Medical School
visa färre...
 (creator_code:org_t)
2022-10-31
2022
Engelska.
Ingår i: NPJ precision oncology. - : Springer Science and Business Media LLC. - 2397-768X. ; 6:1
Relaterad länk:
http://dx.doi.org/10... (free)
visa fler...
https://lup.lub.lu.s...
https://doi.org/10.1...
visa färre...
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Prognostic analysis for early-stage (stage I/II) melanomas is of paramount importance for customized surveillance and treatment plans. Since immune checkpoint inhibitors have recently been approved for stage IIB and IIC melanomas, prognostic tools to identify patients at high risk of recurrence have become even more critical. This study aims to assess the effectiveness of machine-learning algorithms in predicting melanoma recurrence using clinical and histopathologic features from Electronic Health Records (EHRs). We collected 1720 early-stage melanomas: 1172 from the Mass General Brigham healthcare system (MGB) and 548 from the Dana-Farber Cancer Institute (DFCI). We extracted 36 clinicopathologic features and used them to predict the recurrence risk with supervised machine-learning algorithms. Models were evaluated internally and externally: (1) five-fold cross-validation of the MGB cohort; (2) the MGB cohort for training and the DFCI cohort for testing independently. In the internal and external validations, respectively, we achieved a recurrence classification performance of AUC: 0.845 and 0.812, and a time-to-event prediction performance of time-dependent AUC: 0.853 and 0.820. Breslow tumor thickness and mitotic rate were identified as the most predictive features. Our results suggest that machine-learning algorithms can extract predictive signals from clinicopathologic features for early-stage melanoma recurrence prediction, which will enable the identification of patients that may benefit from adjuvant immunotherapy.

Ämnesord

MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Cancer och onkologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Cancer and Oncology (hsv//eng)

Publikations- och innehållstyp

art (ämneskategori)
ref (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy