从高度不平衡的数据开发和验证人工智能预测模型和结直肠癌肺转移存活风险分层:一个多中心的回顾性研究

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 大肠直肠癌 (CRC) 构成了重大的健康挑战,而肺转移 (LM) 是影响患者预后的关键因素.
• 准确的LM预测对于指导临床决策和优化CRC管理中的治疗策略至关重要.

研究的目的:

• 开发和验证人工智能 (AI) 对结直肠癌 (CRC) 患者肺转移 (LM) 的预测模型.
• 帮助临床医生在诊断和最佳治疗决策中为LM风险的CRC患者提供帮助.

主要方法:

• 从46,037名CRC患者 (SEER数据库) 和2,779名患者 (外部验证集) 的临床病理数据的回顾性分析.
• 开发和验证六个机器学习 (ML) 模型,包括平衡随机森林 (BRF),用于LM预测.
• 根据AI衍生风险得分分层分的LM患者的生存分析.

主要成果:

• BRF模型在预测LM方面表现出卓越的表现,实现了0.874的接收器操作特征曲线下面面积 (AUC) 和0.184的平均精度 (AP),优于其他ML模型和临床预测器.
• 根据BRF模型被归类为高风险组的LM患者的生存结果明显较差 (P<0.001).
• 高风险的LM患者没有从手术切除中获益 (P=0.125),这表明需要替代治疗策略.

结论:

• 使用BRF算法开发了一种有效,非侵入性和实用的AI模型,用于预测CRC患者的LM,即使具有高度不平衡的数据集.
• 该研究引入了一种新的方法,基于AI模型的预测,对LM的CRC患者的生存风险进行分层.
• 这些发现强调了人工智能在改善预后准确性和指导肺转移CRC患者的治疗决策方面的潜力.