在结直肠癌中肝转移的预测建模算法:对当前文献的系统审查
Isaac Seow-En1, Ye Xin Koh2,3,4, Yun Zhao1,5
1Department of Colorectal Surgery, Singapore General Hospital and National Cancer Centre Singapore, Singapore.
Annals of hepato-biliary-pancreatic surgery
|December 22, 2023
概括
预测模型对预测结肠直肠癌肝转移 (CRCLM) 有希望. 将临床数据与放射性特征和机器学习相结合,为CRCLM预测提供了最佳的准确性.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 大肠直肠癌肝脏转移 (CRCLM) 是一个重大的临床挑战.
- 准确预测CRCLM对于有效的患者管理和治疗规划至关重要.
研究的目的:
- 系统地审查和评估现有的CRCLM预测模型的质量和性能.
- 确定CRCLM最有效的预测和建模技术.
主要方法:
- 对CRCLM预测模型研究的系统文献综述.
- 使用曲线下的面积 (AUC) 评估方法质量和模型性能.
- 包括来自七项研究的14个模型,分析了各种技术,如放射学,物流回归,SVM和CNN.
主要成果:
- 86%的模型表现出良好的区分能力 (AUC>0.70),AUC从0.697到0.870.
- 结合临床,放射性特征和支持矢量机 (SVM) 的混合模型实现了最高的AUC0.870.
- 在71%的纳入研究中,注意到存在偏差的高风险.
结论:
- 预测建模对于准确预测CRCLM具有重大潜力.
- 将临床病理学和放射学特征与机器学习算法的整合提高了预测性能.
- 需要进一步进行高质量的研究,以减轻偏差并提高模型可靠性.
