机器学习模型在胃癌中淋巴结转移的预测价值:一项两中心研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 手术瘤学手术瘤学

背景情况:

• 胃癌是全球癌症发病率和死亡率的主要原因之一.
• 胃癌转移的成像诊断存在局限性,原因是结节和外周淋巴结类型.
• 精确预测淋巴结转移对于有效的胃癌管理至关重要.

研究的目的:

• 开发和评估机器学习 (ML) 模型,用于预测胃癌患者的淋巴结转移风险.
• 评估ML算法的临床实用性,以提高胃癌诊断和治疗规划.

主要方法:

• 对369名胃癌患者 (培训组) 和123名患者 (验证组) 的数据进行了回顾性分析.
• 开发和比较七个ML模型:决策树,随机森林,SVM,梯度增强,天真贝叶斯,神经网络和后勤回归.
• 模型性能使用交叉验证和接收器操作特征曲线分析进行评估.

主要成果:

• 大多数ML模型,不包括SVM,在预测淋巴结转移方面表现出高准确性和可靠性.
• 开发的模型为各种风险因素的影响提供了直观的见解.
• 这些模型显示了在胃癌中淋巴结转移的强有力的预测能力.

结论:

• 机器学习模型为预测胃癌中淋巴结转移提供了强大的工具.
• 这些预测模型可以显著帮助个性化临床诊断和治疗策略.
• 该研究强调了ML的潜力,以克服胃癌目前诊断方法的局限性.