一个机器学习预测模型用于切除的远端胆管癌的复发:使用人工智能的预测模型的开发和验证
Marc Perez1, Carsten Palnaes Hansen2, Fernando Burdio1
1Hepato Pancreato Biliary Division, Hospital Del Mar, Universitat Pompeu Fabra, Barcelona, Spain.
概括
这项研究开发了一种机器学习模型,用于预测手术后远端胆管癌 (dCCA) 患者的复发. 该模型准确地确定了关键的预后因素,改善了无病生存预测,以获得更好的患者护理.
科学领域:
- 肝胆瘤学 肝胆瘤学
- 机器学习在医学中的应用
- 手术瘤学手术瘤学
背景情况:
- 远端胆管癌 (dCCA) 在切除后的预后中提出了挑战.
- 传统的分阶段可能会过度简化dCCA的复杂性.
- 需要新的预后因素和机器学习.
研究的目的:
- 开发一种机器学习预测模型,用于切割dCCA中的复发.
- 确定无疾病生存 (DFS) 的显著预测因素.
- 为了加强dCCA患者的临床决策.
主要方法:
- 在654名dCCA患者的回顾性多中心观察性研究中,654名dCCA患者接受了胰腺双管切除术 (PD).
- 对于特征选择和模型创建,LASSO规范化的考克斯回归.
- 使用C指数和曲线下的面积 (AUC) 进行内部和外部验证.
主要成果:
- 淋巴结比率 (LNR) 15,神经入侵,N阶段,手术激进性和差异化等级是显著的DFS预测因素.
- 该模型在内部和外部验证中分别实现了0.8的C指数 (95%CI,0.77%-0.86%) 和92.4%和91.5%的AUC.
- LNR15被确定为最有影响力的因素.
结论:
- 开发了一种强大的机器学习模型,用于预测dCCA后PD中的DFS.
- 该模型整合了关键的预后因素,包括LNR15.
- 这个工具有助于为dCCA患者量身定制的治疗和后续策略.
