使用机器学习方法同时切除结肠直肠肝转移患者手术后并发症和存活率的个性化预测:一项多中心研究
Qichen Chen1, Jinghua Chen2, Yiqiao Deng2
1Department of Colorectal Surgery, State Key Laboratory of Oncology in South China, Guangdong Provincial Clinical Research Center for Cancer, Sun Yat-sen University Cancer Center, Guangzhou, 510060, China.
Cancer letters
|May 20, 2024
概括
整合患者数据的预测模型可以预测接受手术的结直肠肝转移 (CRLM) 患者的结果. 这些模型为决策和个性化患者护理提供临床实用性.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 数据科学在医学中的数据科学
背景情况:
- 结肠直肠肝转移 (CRLM) 是一个重大的临床挑战.
- 预测CRLM患者同时接受结直肠和肝脏切除的结果对于治疗规划至关重要.
研究的目的:
- 开发CRLM患者关键临床结果的预测模型.
- 整合人口,临床,实验室和遗传数据,以提高预测.
- 评估这些预测模型的临床实用性和性能.
主要方法:
- 随机森林 (RF) 模型被用于预测术后并发症,无进展生存期 (PFS) 和整体生存期 (OS).
- 模型在两家医院的数据上进行了训练,并在独立的外部数据集上进行了验证.
- 使用决策曲线分析 (DCA) 评估了临床效用.
主要成果:
- 射频模型在预测并发症 (AUC=0.716) 和生存 (PFS AUCs 从0.702到0.743;OS AUCs 从0.706到0.737) 方面表现强.
- 基因因素如KRAS,BRAF和MMR状态被确定为PFS和OS的重要预测因素.
- 决策曲线分析证实了开发的射频模型的有利临床效用.
结论:
- 开发的预测模型和附带的基于网络的工具显示CRLM患者的预测性能中等.
- 这些工具具有有利的临床实用性,有助于临床决策和针对CRLM的个性化干预.
- 这些模型促进了个性化的风险评估,将预测的个人资料与观察到的患者结果对齐.
