机器学习识别了腹腔镜激进胃切除术后胃癌并发症的风险

科学领域:

• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学
• 医疗保健中的机器学习

背景情况:

• 腹腔镜激进胃切除术是胃癌的常见手术.
• 术后并发症是这些患者的一个重大问题.

研究的目的:

• 开发一个术后并发症的预测模型,用于胃癌的腹腔镜激进胃切除术后的30天内.
• 为指导术后治疗和预防胃癌患者的严重并发症.

主要方法:

• 利用机器学习 (拉索回归,随机森林,人工神经网络) 来构建预测模型.
• 在16个医疗中心使用998名患者 (培训) 和398名患者 (验证) 的数据进行训练和验证模型.
• 评估了腹腔镜远距离和全胃切除术的预测效果和准确性.

主要成果:

• 随机森林模型在预测严重并发症方面表现出卓越的性能.
• 该模型在外部验证期间表现出稳定的预测性能.
• 开发的模型适合在临床环境中更广泛地实施.

结论:

• 使用多中心数据建立了对腹腔镜激进胃切除术后并发症的高度敏感风险预测模型.
• 这些模型可以帮助胃癌患者在术前和术后的决策.
• 这些模型旨在改善接受这种手术的患者的诊断和治疗途径.