肝切除术后肝细胞癌复发的预测模型:基于机器学习的开发和解释研究
Rongqiang Liu1,2, Shinan Wu1,3, Hao Yuan Yu1
1Department of Hepatic Surgery and Liver Transplantation Center, The Third Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Heliyon
|November 30, 2023
概括
使用多层感知子 (MLP) 的机器学习模型可以预测手术后肝细胞癌 (HCC) 复发. 关键因素包括GGT,纤维素和AST,使高风险患者能够获得个性化治疗.
科学领域:
- 肝细胞癌研究 肝细胞癌研究
- 机器学习在瘤学中的应用
- 医学预测建模 医学预测建模
背景情况:
- 肝细胞癌 (HCC) 在肝切除术后复发是一个重大的临床挑战.
- 准确预测复发风险对于及时干预和改善患者结果至关重要.
- 目前的方法可能无法完全捕捉HCC复发因子的复杂性.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测肝切除术后HCC复发风险.
- 为了确定与HCC复发相关的关键临床变量.
- 为个性化风险评估创建一个用户友好的工具.
主要方法:
- 对315名经过彻底肝切除术的HCC患者的回顾性分析.
- 使用6个ML算法开发预测模型,包括多层感知器 (MLP).
- 通过使用Shapley添加式解释 (SHAP) 的10倍交叉验证和解释进行内部验证.
主要成果:
- 在试验组中,MLP模型显示了最佳预测性能 (AUC = 0.680).
- 由SHAP识别的关键预测因子包括-氨基转化酶 (GGT),纤维素原,中性粒细胞数量,阿斯巴酸胺转移酶 (AST) 和总 bilirubin (TB).
- 基于MLP模型成功开发了一个在线网络计算器.
结论:
- 在肝切除术后,MLP是预测HCC复发风险的有效模型.
- 开发的模型有助于识别高风险患者,为早期的个性化治疗策略提供帮助.
- 这种工具有助于主动管理HCC复发.
