Die Studie analysierte Daten von 2.322 Medulloblastom-Patienten, die zwischen 2000 und 2019 in der SEER-Datenbank registriert waren. Demografische Merkmale der Patienten zeigten, dass 869 Fälle (37,42 %) weiblich und 1.453 Fälle (62,58 %) männlich waren. 185 Patienten (7,97 %) waren schwarz, 1.939 (83,51 %) waren weiß und 198 (8,53 %) gehörten zu anderen Rassen. Es wurden verschiedene Subtypen von Medulloblastomen identifiziert, wobei 329 Patienten (14,17 %) desmoplastische/noduläre Medulloblastome (DMB) hatten, 1.866 (80,36 %) Medulloblastome, nicht anderweitig spezifiziert (MB, NOS) und 127 (5,47 %) große Zellanaplastikmedulloblastome (LC) hatten.
In Bezug auf die chirurgischen Eingriffe unterzogen sich 1.616 Patienten (69,60 %) einer totalen Resektion, 244 (10,51 %) einer subtotalen Resektion, 343 (14,77 %) einer lokalen Exzision oder Biopsie und 119 (5,12 %) erhielten keine Operation. Die Überlebensraten der Patienten wurden mittels Cox-Proportional-Hazard (CoxPH) Modell analysiert, wobei die Überlebensraten signifikant von nicht-chirurgischer Behandlung, LC, weißer Rasse, Tumorgröße, kompletter Resektion, Alter, Chemotherapie und Strahlentherapie beeinflusst wurden.
Die Modelle Random Survival Forests (RSF) und DeepSurv, basierend auf Deep Learning, zeigten bessere Diskriminierungsfähigkeiten und Genauigkeit bei der Vorhersage des Überlebens von Medulloblastom-Patienten im Vergleich zum klassischen CoxPH-Modell. DeepSurv erreichte die höchste Genauigkeit und Überlebensrate unter den drei Modellen und wies einen höheren Flächenpunkt-Wertschätzung (AUC) als die anderen Modelle auf. Diese Ergebnisse deuten darauf hin, dass DeepSurv eine überlegene Genauigkeit und Leistung bei der Prognose von Patienten mit Medulloblastom bietet.