从原发性肝癌引起的眼转移的预测模型:基于机器学习的开发和解释研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 眼科医生 眼科 眼科

背景情况:

• 眼球转移 (OM) 是原发性肝癌 (PLC) 的罕见并发症.
• 早期发现OM对于改善患者预后至关重要.
• 预测模型可以帮助识别有风险的PLC患者.

研究的目的:

• 使用机器学习 (ML) 在PLC患者中开发OM的临床预测模型.
• 确定与PLC中OM发展相关的关键临床变量.

主要方法:

• 对1540名PLC患者的回顾性分析.
• 开发和验证六个ML模型,包括极端梯度提升 (XGB).
• 使用接收器运行特征 (ROC) 曲线和网络计算器的构建进行评估.

主要成果:

• 在XGBML模型中,高诊断性能 (AUC=0.993).
• 六个关键变量 (CA125,ALP,AFP,TG,CA199,CEA) 被确定为重要的预测因素.
• 为个性化OM风险评估创建了一个在线网络计算器.

结论:

• 基于XGB的模型有效地预测了PLC患者的OM.
• 早期识别高风险患者有助于及时干预.
• 这种工具可以改善OM的PLC患者的诊断,治疗和生活质量.