一个机器学习模型,预测患有代谢功能障碍相关的性肝病的患者患肝细胞癌的风险

科学领域:

• 肝病学 肝病学是一种肝病学.
• 在瘤学瘤学.
• 数据科学数据科学数据科学

背景情况:

• 肝细胞癌 (HCC) 发病率正在上升,特别是在与代谢功能障碍相关的脂肪性肝病 (MASLD) 患者中.
• 患有MASLD的患者,即使没有晚期纤维化,也面临着晚期HCC阶段的更高风险,生存率降低,以及有限的移植资格.
• 机器学习 (ML) 提供了一种有前途的方法来分析复杂的数据集,以预测个人HCC风险.

研究的目的:

• 开发和验证一种机器学习模型,用于预测MASLD患者的HCC发展.
• 为了确定MASLD群体内HCC风险的关键预测因素.
• 为了实现早期风险分层,并指导有针对性的查策略.

主要方法:

• 使用Tableau和KNIME Analytics进行数据分析和ML任务.
• 开发了使用标准临床和实验室参数的ML模型,使用Sci-kit学习算法.
• 在加州大学戴维斯分校的数据上训练了一个试点模型,并使用加州大学旧金山分校的独立数据集进行了验证.

主要成果:

• 预测模型在验证队列中实现了92.06%的准确性,AUC为0.97.
• 通过纤维化-4评分评估的肝纤维化,成为HCC最强的预测因素.
• 该模型表现出高性能,F1得分为0.84,特异性为98.34%,灵敏度为74.41%.

结论:

• ML模型可以显著帮助临床医生在早期评估MASLD患者的HCC风险.
• 这些模型的进一步验证可以为处于风险的个人提供具有成本效益的个性化管理策略.
• 这种方法支持MASLD管理中的积极的医疗保健决策.