Una herramienta fácilmente basada en el aprendizaje automático para la evaluación preliminar del riesgo de invasión...

Área de la Ciencia:

• Investigación del carcinoma hepatocelular
• En el campo de la oncología
• La informática médica

Sus antecedentes:

• La invasión microvascular (MVI) es un predictor clave de la recurrencia después de la cirugía de cáncer de hígado (HCC).
• La evaluación preoperatoria precisa del MVI y la planificación del margen de resección (RM) son vitales para mejorar los resultados de los pacientes con CHC.

Objetivo del estudio:

• Desarrollar un modelo predictivo para la evaluación preoperatoria de la IMV en pacientes con CHC.
• Utilizar características clínicas y hematológicas fácilmente disponibles para la estratificación del riesgo de IVM.
• Crear una herramienta fácil de usar para que los médicos evalúen el riesgo de IVM.

Principales métodos:

• Análisis retrospectivo de 1651 pacientes con CHC sometidos a resección hepática.
• Selección de características mediante regresión de Lasso y análisis de asociación con regresión logística y splines cúbicas restringidas.
• Desarrollo y validación de siete modelos de aprendizaje automático, incluido el LightGBM, utilizando datos clínicos y hematológicos.

Principales resultados:

• Factores preoperatorios identificados asociados con MVI: edad, tiempo de trombina, INR, AST, bilirrubina directa, AFP, MCV, multifocalidad, tamaño del tumor y fibrinógeno/INR.
• El modelo LightGBM demostró un fuerte rendimiento predictivo (AUC 0,84 en el entrenamiento, 0,78 en la validación, 0,78 en el conjunto de pruebas).
• El modelo efectivamente estratificó a los pacientes en grupos de alto y bajo riesgo de IMV, impactando en la supervivencia libre de recurrencia (SFR) y mostrando una mejora de la SFR con RM más amplios en pacientes de alto riesgo.

Conclusiones:

• Un modelo LightGBM que utiliza características accesibles predice con precisión el riesgo de IVM en pacientes con CHC.
• El modelo facilita una evaluación rápida de los riesgos y puede orientar las decisiones quirúrgicas.
• Se desarrolló una calculadora basada en la web para facilitar la aplicación clínica del modelo de predicción del IMV.