机器学习模型用于预测直肠癌前切除后的永久性静脉口腔:一项多中心研究
Yang Su1, Yanqi Li1, Heng Zhang2
1Department of Gastrointestinal Surgery Center, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, 430030, Wuhan, China; Molecular Medicine Center, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, 430030, Wuhan, China.
概括
一个新的机器学习模型准确地预测了直肠癌手术后永久性口腔 (PS) 的形成. 这种工具有助于外科医生在术前患者分层,改善治疗计划和患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 直肠癌手术往往需要临时性静脉栓塞,转换为永久性静脉栓塞 (PS) 会显著影响患者的生活质量.
- 在手术前预测PS形成具有挑战性,缺乏实际的临床工具.
- 开发可靠的预测模型对于明智的外科决定和患者管理至关重要.
研究的目的:
- 建立和验证术前预测模型,以确定直肠癌手术后永久性静脉栓 (PS) 的形成.
- 利用机器学习算法开发一个强大的预测工具.
- 通过准确的PS预测,指导临床实践并改善患者的治疗结果.
主要方法:
- 来自655名因直肠癌前切除术的患者的临床数据的回顾性分析.
- 开发和评估五种机器学习模型,其中表现最好的模型经过严格的验证.
- 应用沙普利增量解释 (SHAP) 来解释和识别关键预测因素.
主要成果:
- 一种支持向量机 (SVM) 模型在训练集中表现出优异的预测性能,AUC为0.854.
- 在测试 (AUC:0.851) 和外部验证 (AUC:0.815) 组中,SVM模型在测试 (AUC:0.851) 和外部验证 (AUC:0.815) 组中实现了一致的性能.
- 八个关键变量被确定为PS形成的重要预测因素.
结论:
- 开发的机器学习模型表现出强大的预测准确性,用于在直肠癌手术后识别PS.
- 该模型作为一种有价值的手术前工具,用于分层患者,并为个性化治疗策略提供信息.
- 这种模型的实施可以改善外科手术规划和改善患者的治疗结果.
