使用机器学习建立了经过激进胃切除术的胃癌患者的预后模型:一项两中心研究

科学领域:

• 在瘤学瘤学.
• 计算医学是一种计算医学.
• 手术瘤学手术瘤学

背景情况:

• 胃癌仍然是一个重大的全球健康挑战,需要改进的预后工具.
• 激进胃切除术是主要的治疗方法,但预测术后死亡率是复杂的.

研究的目的:

• 开发和验证基于机器学习的预后模型,用于经过激进胃切除术的胃癌患者.
• 确定影响术后死亡率的关键风险因素.

主要方法:

• 对295名胃癌患者 (培训) 和109名 (验证) 的回顾性分析.
• 四个机器学习模型的比较:逻辑回归 (LR),决策树 (DT),随机森林 (RF) 和梯度增强机器 (GBM).
• 为临床预后评估开发基于LR的名录.

主要成果:

• 拉索回归确定了八个重要因素:年龄,性别,瘤直径,入侵,TNM阶段,胃切除术类型,淋巴细胞计数和CEA.
• 随机森林模型在训练组中显示了最高的AUC (0.873),而LR在验证组中表现最好 (AUC 0.734).
• 基于LR的诺米图表在临床预后评估中表现出卓越的能力.

结论:

• 机器学习算法为评估胃切除术后胃癌预后提供了强大的工具.
• 开发的基于LR的名录图可以帮助临床医生做出更知情和可靠的临床决策.