开发和验证深度学习模型用于中期肝细胞癌存活率与跨动脉化学栓塞 (MC-hccAI 002) 的深度学习模型:回顾性,多中心,队列研究

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:

• 对于经过跨动脉化学栓塞 (TACE) 的中期肝细胞癌 (IM-HCC) 患者,存在有限的有效预测模型.
• 像DeepSurv这样的深度学习模型比传统方法更好地预测整体存活率 (OS).

研究的目的:

• 开发和验证一种基于深度学习的预测模型 (deepHAP IV),用于与TACE治疗的IM-HCC患者的个人整体存活率 (OS).
• 将深度学习模型的性能与现有的Cox比例风险模型进行比较.

主要方法:

• 一个多中心的,回顾性队列研究,涉及1075名患者进行培训和269名患者进行测试,对414名患者进行外部验证.
• 开发深度学习算法deepHAP IV,使用2007-2016年电子病历数据.
• 使用一致性指数 (c-index),接收器操作员特征曲线 (AUROC) 下的面积和校准曲线进行性能评估.

主要成果:

• 深度HAP IV模型实现了0.74的c指数和0.80,0.76和0.74的AUROC值,分别为1年,3年和5年的生存预测.
• 在训练和验证队伍中,在预测和实际操作系统之间观察到良好的校准.
• 与其他五种Cox比例危险模型相比,deepHAP IV模型表现出优越的性能.

结论:

• deepHAP IV模型是预测TACE治疗IM-HCC患者整体存活率的有效工具.
• 这种深度学习方法为预测评估提供了比传统的Cox比例风险模型更好的准确性.