开发人工智能预后模型,用于手术切除的非小细胞肺癌

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 人工智能 (AI) 在推进医疗应用方面显示出重大前景.
• 准确的预后模型对于手术切除的非小细胞肺癌 (NSCLC) 的管理至关重要.

研究的目的:

• 开发和验证人工智能驱动的预后模型,用于预测手术切除NSCLC患者的生存结果.
• 用无病生存率 (DFS),总生存率 (OS) 和癌症特异性生存率 (CSS) 来评估人工智能模型的预测性能.

主要方法:

• 利用了来自1049名患有病态阶段I-IIIANSCLC的患者的数据.
• 纳入了17个临床病理因素和52个血液检测结果 (手术前和术后) 作为输入变量.
• 在模型开发中使用了 eXtreme Gradient Boosting (XGBoost) 机器学习算法.

主要成果:

• 人工智能预测模型表现出高预测准确度.
• 在5年内,DFS的AUC为0.890,OS为0.926,CSS为0.960.
• 该模型为手术后患者预后提供了准确的预测概率.

结论:

• 使用XGBoost开发的AI模型显示了提高NSCLC预后准确性的巨大潜力.
• 这种人工智能工具可以为接受NSCLC手术的患者的术后预后提供宝贵的见解.