使用机器学习来开发患有膀泌尿腺癌的患者淋巴结转移的术前模型
Junjie Ji1, Tianwei Zhang1, Ling Zhu2
1Department of Urology, The Affiliated Hospital of Qingdao University, Qingdao, China.
BMC cancer
|June 13, 2024
概括
机器学习模型在手术前准确预测膀泌尿腺癌患者的淋巴结转移. 支持矢量机器模型显示出最佳性能,有助于对膀癌治疗的临床决策.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 淋巴结转移 (LNM) 显著恶化了膀泌尿腺癌 (BUC) 患者的预后.
- 准确的手术前预测LNM对于BUC的治疗计划至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于在接受激进囊切除术 (RC) 的BUC患者中进行LNM的术前预测.
主要方法:
- 从接受RC的BUC患者的人口,病理,成像和实验室数据的回顾性收集.
- 使用五种ML算法开发预测模型,包括支持矢量机 (SVM).
- 使用接收器操作特征曲线 (AUC) 下的面积和训练和测试集的精度进行性能评估.
主要成果:
- SVM模型在训练组中显示出优异的预测性能,AUC为0.934和准确度为0.916.
- 在独立测试组中,SVM模型实现了0.855的AUC和0.809的准确性.
- 在影像检测中,阳性淋巴结发现是SVM模型中最重要的LNM预测因素.
结论:
- 经过验证的ML模型,特别是具有14个变量的SVM模型,可以可靠地预测BUC患者的手术前LNM.
- 开发的SVM模型为改善BUC.的手术和治疗策略提供了高度的临床适用性.
