基于机器学习的临床决策支持系统,用于肝细胞癌的治疗建议和整体生存预测:一项多中心研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 肝细胞癌 (HCC) 治疗决策是复杂的,往往不同于分期系统的建议.
• 现有的分期系统可能无法完全捕捉影响HCC患者初始治疗选择的因素.

研究的目的:

• 开发和验证基于机器学习的临床决策支持系统 (CDSS),用于HCC治疗.
• 提高初始治疗建议的准确性,并预测HCC患者的治疗后生存率.

主要方法:

• 一个两阶段的机器学习模型是使用来自韩国九个机构的2685名HCC患者的临床数据开发的.
• 第一阶段使用组合投票机进行初始治疗建议,而第二阶段使用随机生存森林进行生存预测.
• 该模型包含20个临床变量,并通过内部和外部数据集进行验证.

主要成果:

• 在CDSS中,最高选择的治疗推准确率为67.27% (内部) 和55.34% (外部),包括第二个选择时增加到87.27%和86.06%.
• 生存预测表现强,Harrell的C指数为0.8381 (内部) 和0.7767 (外部),以及高时间依赖的AUC值.
• 该系统在内部和外部验证数据集中展示了强大的性能.

结论:

• 拟议的基于机器学习的CDSS有效地帮助医生做出基于数据的肝细胞癌治疗决策.
• 该系统提供可靠的初始治疗建议和准确的生存预测,增强临床实践.
• 这种多中心验证的系统为改善HCC患者管理提供了有价值的工具.