基于机器学习的模型的开发和验证,用于预测B型肝炎相关肝硬化患者肝细胞癌风险:一项回顾性研究

科学领域:

• 肝病学 肝病学是一种肝病学.
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 肝细胞癌 (HCC) 是一个主要的全球健康问题,特别是在慢性乙型肝炎病毒 (HBV) 感染的个体中.
• 准确的风险分层对于及时干预和改善与HBV相关的HCC患者的治疗结果至关重要.
• 现有的风险预测模型往往缺乏足够的准确性和个性化评估能力.

研究的目的:

• 开发和验证一个人工神经网络 (ANN) 模型,用于估计HBV感染患者的5年累积HCC风险.
• 将ANN模型的预测性能与已建立的风险评估工具进行比较.

主要方法:

• 追溯分析了1589名HBV感染患者的队列,数据分为培训 (913名患者) 和验证 (676名患者) 组.
• 单变量分析确定了HCC发展的独立风险因素,这些风险因素随后被用于构建ANN模型.
• 模型性能使用接收器操作特征曲线 (AUC) 下的面积,一致性指数 (C指数),校准曲线和预测值 (PPV,NPV) 来评估.

主要成果:

• 该ANN模型结合了九个独立的风险因素,并达到0.880的AUC,明显超过mPAGE-B (0.719),PAGE-B (0.710),FIB-4 (0.693) 和THRI (0.705).
• 该模型有效地将患者分为低风险,中风险和高风险组,高风险个体具有高正预测值 (PPV) (54.7%),低风险个体具有高负预测值 (NPV) (98.7%).
• 这些绩效指标在独立验证队列中是一致的.

结论:

• 开发的ANN模型证明了HBV感染患者中HCC5年风险的强大个性化预测性能.
• 这种人工智能驱动的工具在评估和管理HBV感染个体中HCC风险方面具有临床应用的潜力.