开发基于机器学习的模型,用于预测肝细胞癌早期术后复发的风险
Yu-Bo Zhang1, Gang Yang1, Yang Bu2
1Department of Hepatobiliary Surgery, General Hospital of Ningxia Medical University, Yinchuan 750003, Ningxia Hui Autonomous Region, China.
World journal of gastroenterology
|December 11, 2023
概括
手术后肝细胞癌 (HCC) 复发是常见的. 使用手术前数据的新XGBoost模型准确地预测了早期HCC复发,有助于个性化治疗和改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 机器学习在医学中的应用
- 外科手术的结果
背景情况:
- 肝细胞癌 (HCC) 的手术切除具有很高的复发率 (近70%在五年内).
- 早期复发显著恶化HCC患者的预后.
- 目前的预测方法依赖于滞后的术后数据,需要手术前的预测工具.
研究的目的:
- 确定用于HCC复发预测的关键手术前临床和成像变量.
- 开发和评估用于早期HCC复发风险分层的机器学习模型.
主要方法:
- 对371名HCC患者的手术前数据进行回顾性分析.
- 数据分为培训 (80%) 和测试 (20%) 集用于模型开发.
- 构建了6个机器学习模型,XGBoost被选为表现最佳的模型.
主要成果:
- 确定了八个关键变量:年龄,内动脉,α-胎蛋白,手术前血糖,瘤数量,葡萄糖与淋巴细胞的比例,肝硬化和手术前血小板.
- XGBoost模型显示出强大的预测性能 (AUC: 0.993训练,0.734验证,0.706测试).
- 通过校准和决策曲线分析,XGBoost模型显示出良好的临床效用.
结论:
- XGBoost模型是预测早期术后HCC复发的可靠工具.
- 这种预测模型可以指导外科手术策略,并为HCC患者个性化术后治疗.
