基于机器学习构建的Nomogram可预测早期肝细胞癌患者的复发,这些患者接受了切除治疗
Honghai Zhang1, Shugui Sheng2, Wenying Qiao1,2,3
1Interventional Therapy Center for Oncology, Beijing You'an Hospital, Capital Medical University, Beijing, China.
Frontiers in oncology
|May 27, 2024
概括
这项研究确定了切除后早期肝细胞癌 (HCC) 复发的关键风险因素. 一个新的名图有助于预测无复发生存率 (RFS) 以实现个性化的患者管理.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 在瘤学瘤学.
- 医学统计 医学统计
背景情况:
- 肝细胞癌 (HCC) 是一个重要的全球健康问题.
- 经过切除治疗的早期HCC患者需要准确的复发风险评估.
- 预测模型对于个性化后续策略至关重要.
研究的目的:
- 为了确定与早期HCC患者的复发相关的风险因素,切除后.
- 开发和验证一个用于预测无复发生存率 (RFS) 的名录.
- 加强临床决策,以实现个性化的患者管理.
主要方法:
- 对898名早期HCC患者进行了回顾性分析,这些患者接受了切除治疗.
- 数据分为培训 (2014-2018) 和验证 (2019-2022) 队列.
- 使用拉索-考克斯回归来确定复发的独立风险因素.
主要成果:
- 开发了一个纳米图,包括年龄,性别,BCLC阶段,瘤大小,全球蛋白和γ-GT.
- 诺米图表显示出最佳的区分,一致性和临床实用性 (C指数,ROC,校准,DCA).
- 卡普兰-梅尔曲线证实了名图的区分高风险复发群体的能力.
结论:
- 一个经过验证的诺姆图有效预测RFS在切除后早期HCC患者.
- 该工具有助于临床医生识别患有复发高风险的患者.
- 促进个性化的随访和治疗策略,以改善患者的治疗结果.
