机器学习算法用于识别单边cN0乳头甲状腺癌中对侧面中央淋巴结转移的机器学习算法
Anwen Ren1, Jiaqing Zhu2, Zhenghao Wu1
1Department of Breast and Thyroid Surgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Frontiers in endocrinology
|May 27, 2024
概括
在乳头甲状腺癌中预测逆侧淋巴结转移至关重要. 一个机器学习模型确定了男性性别,较大的瘤大小,多焦点性,双侧转移和年轻年龄作为关键风险因素.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 在全球范围内,甲状腺癌的发病率正在上升.
- 手术是甲状腺癌的主要治疗方法.
- 在单边cN0乳头甲状腺癌中对侧面中央淋巴结解剖仍然存在争议.
研究的目的:
- 开发一种机器学习模型,用于预测逆侧中央淋巴结转移.
- 利用人口统计和临床数据来预测乳头甲状腺癌患者的情况.
主要方法:
- 对2225名单边cN0乳头甲状腺癌患者进行了回顾性研究.
- 转移和非转移组之间的临床和病理特征的比较.
- 使用R软件构建和比较6个机器学习模型,并通过外部验证.
主要成果:
- 已确定转移的独立风险因素:男性性别,瘤直径大于1厘米,多焦点性,双侧转移,年龄小于50岁.
- 随机森林模型表现出卓越的性能.
- 外部验证证实了模型的有效性;开发了一个网络计算器.
结论:
- 性别,瘤大小,多焦点性,双侧转移和年龄是考虑对侧淋巴结解剖的关键因素.
- 基于随机森林的网页计算器可以帮助临床决策对乳头甲状腺癌的管理.
