机器学习和nomograms对于前列腺癌淋巴结转移的预测价值:一个系统的审查和元分析
Hao Wang1, Zhongyou Xia1, Yulai Xu1
1Department of Urology, Nanchong Central Hospital, The Second Clinical College, North Sichuan Medical College (University), Nanchong, 637000, Sichuan, China.
Prostate cancer and prostatic diseases
|July 24, 2023
概括
机器学习 (ML) 模型在前列腺癌中对淋巴结转移 (LNM) 的预测准确度高于传统的诺米图. 这次系统审查强调了ML的ML.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 前列腺癌淋巴结转移 (LNM) 的预测依赖于各种名图.
- 机器学习 (ML) 模型越来越多地用于LNM预测.
- 诺莫格拉姆与ML模型的比较预测价值仍在争论中.
研究的目的:
- 对前列腺癌LNM的既定名录和新型ML模型的预测准确性进行系统审查和元分析.
- 将ML模型的性能与当前的临床名ograms进行比较.
主要方法:
- 在2022年11月1日之前对Cochrane,PubMed,Embase和Web of Science数据库进行系统搜索.
- 使用预测模型风险偏差评估工具 (PROBAST) 进行偏差风险评估.
- 使用一致性指数 (C指数),灵敏度和特异性评估预测准确度.
主要成果:
- 包括31项涉及18803名患者的研究.
- ML模型的C指数为0.846 (培训) 和0.862 (验证).
- 布里甘蒂和MSKCC的诺姆图显示,验证C指数分别为0.745和0.714.
结论:
- 机器学习模型在前列腺癌LNM的预测准确度高于现有的名ograms.
- 在前列腺癌患者中,ML为预测LNM提供了更精确的工具.
- 基于特定临床场景的ML洞察力更新名录的潜力.
