Entwicklung und Validierung eines Deep-Learning-basierten Überlebensvorhersagemodells für pädiatrische Gliompatienten: Eine retrospektive Studie unter Verwendung der SEER-Datenbank und chinesischer Daten

Diese retrospektive Studie konzentriert sich auf die Überlebensvorhersage bei pädiatrischen Gliompatienten mithilfe eines bevölkerungsbasierten Ansatzes. Das Modell wurde mithilfe der SEER-Registerdatenbank (Surveillance, Epidemiology, and End Results) trainiert. Zur Identifizierung spezifischer Tumortypen wurden die Codes der International Classification of Diseases for Oncology, 3rd Edition (ICD-O-3) verwendet, darunter die Codes 9450, 9394, 9421, 9384, 9383, 9424, 9400, 9420, 9410, 9411, 9380 , 9382, 9391, 9393, 9390, 9401, 9381, 9451, 9440, 9441, 9442, 9430 und 9380, die Astrozytentumoren, Oligodendrogliatumoren, Oligoastrozytentumoren, Ependymtumoren und andere Gliome abdecken. Die Einschlusskriterien umfassten alle primären Hirntumoren (C71.0-C71.9, C72.3, C72.8, C75.3), die zwischen 2000 und 2018 bei Patienten unter 21 Jahren diagnostiziert wurden und der dritten Ausgabe der ICD-O-3-Klassifikation entsprechen. Es wurden nur Patienten mit verfügbarer Überlebenszeit eingeschlossen und Patienten mit unbekannten oder fehlenden klinischen Merkmalen wurden ausgeschlossen. Diese Kohorte bestand aus 258 pädiatrischen Gliompatienten, die zwischen Januar 2010 und Dezember 2018 im Tangdu-Krankenhaus in Xi'an, China, diagnostiziert wurden. Diese Patienten verfügten über vollständige klinische Daten und umfassende Nachuntersuchungsaufzeichnungen.