建立和临床验证一种机器学习模型,用于预测结肠直肠癌中意外重复手术风险

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 外科手术的结果

背景情况:

• 结肠直肠癌 (CRC) 手术带来了意外重新手术的风险,影响了患者的预后.
• 目前的CRC再手术预测模型缺乏准确性,原因是复杂的临床数据的整合有限.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于预测结肠直肠癌患者的意外重新手术风险.
• 提高确定患有术后并发症高风险的患者的准确性.

主要方法:

• 对2044名结直肠癌患者的回顾性分析 (2020年3月至2022年3月).
• 使用了三种ML方法进行可变选和多因素后勤回归来构建一个名ogram.
• 用ROC曲线,校准曲线和决策曲线分析评估模型性能.

主要成果:

• 确定的主要风险因素:预后营养指数,腹腔切除术史,高血压,低蛋白血症,年龄,瘤结节转移阶段,手术时间,性别和ASA分类.
• 开发的ML模型在预测计划外的重新手术方面表现出良好的区别和临床实用性.
• 在经历了无计划的重新手术的患者和没有经历的患者之间观察到风险因素的显著差异.

结论:

• 一个新的机器学习模型准确地预测了结肠直肠癌患者的术后无计划重新手术风险.
• 这种预测工具可以帮助优化治疗策略并改善患者的预后.
• 该研究强调了ML在提高复杂疾病手术预测结果方面的潜力.