一个基于肝硬性的病因学独立的机器学习算法,用于预测肝细胞癌
Huapeng Lin1, Guanlin Li1, Adèle Delamarre2
1Medical Data Analytics Center, Department of Medicine and Therapeutics, The Chinese University of Hong Kong, Hong Kong; State Key Laboratory of Digestive Disease, The Chinese University of Hong Kong, Hong Kong.
概括
一种新的机器学习算法,即SMART-HCC得分,使用肝硬度准确预测肝细胞癌 (HCC) 风险. 该工具改善了慢性肝病 (CLD) 患者的风险分层.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 机器学习在医学中的应用
- 在瘤学瘤学.
背景情况:
- 现有的肝细胞癌 (HCC) 风险评分缺乏准确性,通常是针对乙型肝炎的.
- 需要在各种慢性肝病 (CLD) 中改善HCC的风险分层工具.
研究的目的:
- 开发和验证基于肝硬度的机器学习 (ML) 算法,用于HCC预测和风险分层.
- 评估开发的ML算法的性能与现有的HCC风险得分相比.
主要方法:
- 训练有素的ML模型基于韩国5155名患有CLD的成年患者的数据.
- 在来自香港 (N=2732) 和欧洲 (N=2384) 的潜在队列中验证了模型.
- 使用Harrell的C指数和时间依赖ROC曲线评估模型性能.
主要成果:
- 开发了SMART-HCC评分,确定肝硬度是九种临床特征中最重要的预测因素.
- 在验证队列中取得了高绩效:Harrell的C指数为0.89 (香港) 和0.91 (欧洲).
- 与现有的HCC风险得分相比,SMART-HCC得分显示出更高的表现,并准确地将患者分为低风险和高风险组.
结论:
- SMART-HCC评分是一个经过验证的,基于机器学习的HCC风险分层工具.
- 这种算法对临床医生管理患有多种CLD的患者来说是有价值的.
- 肝硬度测量是准确预测HCC风险的关键组成部分.
