开发和验证一种深度学习模型,用于预测胃癌患者的术后存活率
Mengjie Wu1, Xiaofan Yang1, Yuxi Liu2
1Department of Medical Oncology, Affiliated Cancer Hospital of Zhengzhou University, Henan Cancer Hospital, Zhengzhou, 450008, China.
BMC public health
|March 6, 2024
概括
深度学习 (DL) 模型准确地预测胃癌 (GC) 患者的生存率. 这种先进的机器学习方法比传统方法提供了更好的预测,改善了对GC生存率的临床决策.
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:
- 深度学习 (DL) 是机器学习 (ML) 的一个子集,在疾病生存预测方面表现有前途.
- 对于真实世界胃癌 (GC) 患者生存预测的DL的临床验证仍然有限.
研究的目的:
- 验证DL模型的临床适用性,用于预测胃癌 (GC) 患者的生存率.
- 将DL模型的性能与传统ML模型和AJCC阶段模型进行比较.
主要方法:
- 利用来自SEER数据库的11,414名GC患者和来自中国数据集的2,846名GC患者的综合队列.
- 在SEER数据库上进行内部验证,在中国数据集上进行外部验证.
- 使用接收器运行特征曲线 (AUC),决策曲线和校准曲线下的面积来评估算法性能.
主要成果:
- 与其他模型相比,DL模型在两个数据集中都显示了1,3年和5年生存预测的优异AUC.
- 决策曲线分析显示,3年后DL模型的净收益更大.
- 校准图表显示了DL预测与外部验证期间实际观测之间的良好一致性.
结论:
- 成功建立了基于DL的模型,用于在术后GC患者中准确预测生存率.
- DL模型在预测GC患者存活率方面取得了重大进展.
更多相关视频
10:31Intraoperative Gastroscopy for Tumor Localization in Laparoscopic Surgery for Gastric Adenocarcinoma
Published on: August 9, 2016
12.8K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
