一个机器学习模型用于结肠直肠肝转移后肝切除术预后

科学领域:

• 在瘤学瘤学.
• 手术瘤学手术瘤学
• 机器学习在医学中的应用

背景情况:

• 手术切除是结直肠肝转移 (CRLM) 的首要治疗方法.
• 准确的预后对于选择患者进行手术至关重要,以优化结果.
• 现有的预后工具需要加强,以改善患者分层.

研究的目的:

• 为CRLM患者开发和验证基于机器学习的生存预测模型.
• 将模型的性能与已建立的预后评分系统进行比较.
• 为了提高CRLM切除的患者个性化的预后.

主要方法:

• 分析了为CRLM进行肝切除术的572名患者的多中心队列.
• 考克斯比例危险和LASSO回归被用来构建预测模型.
• 该模型的区分能力使用一致性指数 (C指数) 进行评估,并与Fong临床风险评分进行比较.

主要成果:

• 开发的CRLM机器学习算法预测 (CMAP) 模型确定了8个关键预测变量.
• 与Fong CRS (C-index=0.571为1年,0.574为5年) 相比,CMAP对整体存活 (OS) 的预测能力更强 (C-index=0.651).
• 在没有复发的生存期 (RFS) 中,CMAP也表现出强的表现 (C指数=0.651).

结论:

• 一个新的机器学习算法 (CMAP) 显示出在CRLM中个性化预后的显著前景.
• 该CMAP模型为预测切割后的生存结果提供了更好的区分能力.
• 这种工具可以帮助完善患者选择CRLM的外科治疗.