Machine-Learning-Modell zur Vorhersage von Krebsrisiko bei Herz-Nieren-Metabolik-Syndrom
Von KI ausgewählt und zusammengefasst
Worum es geht
Prospektive Kohortenstudie mit 399.034 UK-Biobank-Teilnehmern zur Evaluation von Herz-Nieren-Metabolik(CKM)-Stadium und genetischer Suszeptibilität (Polygenic Risk Score) für Krebsinzidenz; acht ML-Modelle für Risikostratifizierung entwickelt.
Ergebnis
Über Median-Follow-up von 13,7 Jahren: 48.247 Krebsfälle. Hazard Ratios für CKM-Stadium 0-4: 1,0 (Referenz), 1,01, 1,21, 2,17. Mit hohem genetischen Risiko und fortgeschrittenem CKM: HR 3,24 (95%-CI 2,68-3,93). Bestes Modell (GBM): Test-AUC 0,801. Web-basierter Rechner für individualisierte Risikoprognose. Nichtlineare Assoziationen für diastolischer RR, Neutrophilenzahl, alkalische Phosphatase, TyG-BMI. Gesamtbilirubin medierte 44,45% der Assoziation.
Übertragbarkeit auf Deutschland
UK-Daten, generalisierbar auf europäische Bevölkerungen mit ähnlichen Risikofaktoren
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.