拉索-考克斯可解释模型的AFP阴性肝细胞癌
Han Li1, Chengyuan Zhou1, Chenjie Wang1
1Department of Oncology, The Affiliated Hospital of Southwest Medical University, Taiping Street, Luzhou, 646000, Sichuan Province, China.
概括
一个新的Lasso-Cox模型准确地预测了α-fetoprotein-negative肝细胞癌 (HCC) 患者的预后. 这种可解释的模型有助于风险分层,以改善肝癌的临床管理.
科学领域:
- 肝细胞癌研究 肝细胞癌研究
- 瘤学生物标志物
- 预测模型在医学中的预测模型.
背景情况:
- 对于α-fetoprotein (AFP) 阴性肝细胞癌 (HCC) 存在有限的预后标志物.
- 准确预测瘤进展和预后对于这种患者子组至关重要.
- 需要可解释的模型来提高HCC预后预测的准确性.
研究的目的:
- 为了建立一个最佳的预测模型,对AFP阴性HCC患者.
- 利用可解释的方法来改善HCC预后预测.
- 开发一种风险分层系统,用于AFP阴性HCC.
主要方法:
- 分析了508名AFP阴性HCC患者的队列.
- 拉索-考克斯模型与随机森林模型进行了比较,并根据其预测性能进行了选择.
- 使用SHAP值的模型解释和通过ROC,DCA和独立的内部验证集进行验证.
主要成果:
- 拉索-科克斯模型表现出强大的预测性能,AUC值分别为0.807,0.846和0.803,分别在1,2和3年.
- 确定的主要预测因素包括BCLC阶段,GGT,瘤直径,肺转移,白蛋白,ALP和瘤数量.
- 将风险分为低风险,中风险和高风险群体的分层显示,随着风险的增加,生存时间显著减少.
结论:
- 拉索-科克斯模型为AFP阴性HCC提供了强大而准确的预后预测.
- 基于SHAP值的解释有助于临床应用和对模型的理解.
- 开发的风险分层系统有助于对AFP阴性HCC患者的临床决策.
