机器学习 放射学 肝功能模型用于预后预测在晚期胃癌的彻底切除后:一项回顾性研究
Jiancan Shao1,2, Zhixuan Jiang1,2, Hao Jiang3
1Department of Gastrointestinal Surgery, The Second Affiliated Hospital and Yuying Children's Hospital of Wenzhou Medical University, Wenzhou, Zhejiang, China.
Annals of surgical oncology
|December 19, 2023
概括
一个机器学习的放射学模型通过评估肝功能,准确地预测胃癌 (GC) 的预后. 这种方法具有很高的诊断价值,有助于了解肝功能如何影响患者的结果.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 胃癌 (GC) 的预后受到包括肝功能在内的各种因素的影响.
- 准确评估肝功能对于预测GC患者的结果至关重要.
- 传统方法可能无法完全捕捉肝功能和GC预后之间的复杂关系.
研究的目的:
- 开发一种机器学习放射学模型,以评估肝功能对胃癌预后的影响.
- 探索放射学特征在预测GC结果中的诊断价值.
- 根据放射学和临床数据,为GC患者建立生存名谱.
主要方法:
- 对510名晚期GC患者的回顾性分析.
- 使用八种机器学习模型从对比度增强的CT图像中提取放射性特征.
- 构建一个包含临床病理学和放射学特征的GC生存名录.
主要成果:
- 轻BGM模型显示出优异的预测性能 (AUC 0.978训练,0.714测试).
- I型肝功能与更好的预后有关.
- 基于放射学的名图显示出高准确度 (C指数为0.771-0.773),与生化指标相美.
结论:
- 机器学习放射学肝功能模型对于预测GC预后非常有价值.
- 放射性分析提供了一种非侵入性方法来评估肝功能在GC中的作用.
- 这个模型可以帮助个性化治疗胃癌的治疗策略.
