机器学习模型的开发,用于高肝内胆管癌发病率年龄组的患者

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 肝脏内胆管癌 (ICC) 由于预后不佳和研究有限而构成重大临床挑战.
• 了解影响ICC患者生存的预后因素对于开发有效的治疗策略至关重要.

研究的目的:

• 构建和验证机器学习 (ML) 模型,用于预测肝脏内胆管癌 (ICC) 患者的预后.
• 确定影响ICC患者生存的关键临床特征.
• 建立指导临床治疗决策的参考值.

主要方法:

• 利用机器学习算法为ICC开发预后预测模型.
• 使用来自SEER数据库的1751名患者和58例医院病例的数据.
• 使用接收机操作特征曲线分析,C指数和Brier分数评估模型性能.

主要成果:

• 八个变量被纳入了ML模型.
• 随机生存森林模型在预后预测方面表现优越.
• 随机生存森林模型在训练队列中实现了0.76的C指数,0.124的Brier分数和0.882的曲线下面积,在测试队列中表现出色.

结论:

• 本研究提出了首个基于ML的ICC预后模型,专门针对高发病率年龄组.
• 随机生存森林模型被认为是预测ICC预后的最有效的ML方法.
• 开发的模型可以帮助临床医生确定患者的预后,并定制治疗计划.