机器学习方法预测了pN3b胃癌在彻底切除后的复发

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 计算生物学 计算生物学

背景情况:

• 阶段pN3b胃癌 (GC) 的预后不好,复发率高.
• 对于GC复发存在预测模型,但它们对pN3b的预后意义尚不清楚.
• 机器学习 (ML) 提供了预测手术后GC复发的潜力.

研究的目的:

• 开发和评估ML模型,用于预测pN3b GC.中的术后复发.
• 评估ML在这个特定的患者亚组中的预后意义.

主要方法:

• 对336名pN3b GC患者进行彻底手术的回顾性分析.
• 应用各种ML算法 (随机森林,SVM,后勤回归,MLP,XGBoost,GNB) 进行三倍交叉验证.
• 使用ROC曲线和AUC进行性能评估,并使用Python进行分析.

主要成果:

• 随机森林模型在复发类型中表现出最高的预测准确性.
• 随机森林的AUC:0.927 (整体),0.940 (区域),0.896 (远程) 和0.923 (腹).
• 不同的复发模式的准确率从80.5%到89.7%不等.

结论:

• ML模型可以有效地预测pN3b GC.中的术后复发.
• 对使用ML的pN3bGC患者来说,个性化复发预测是可以实现的.