一个基于机器学习的胆管狭窄的预测模型,可归因于恶性瘤:双中心回顾性研究
Qifan Yang1, Lu Nie2, Jian Xu1
1Department of Gastroenterology, The Affiliated People's Hospital of Jiangsu University, Zhenjiang, Jiangsu, China.
Frontiers in oncology
|August 13, 2024
概括
这项研究使用机器学习确定了恶性胆道狭窄 (MBS) 的关键风险因素. 开发的模型准确地预测MBS,有助于早期诊断和改善患者的治疗结果.
科学领域:
- 胃肠病学和肝病学
- 医疗信息学 医疗信息学
- 在瘤学瘤学.
背景情况:
- 恶性胆道阻塞 (MBS) 带来了诊断挑战,影响了患者的预后和治疗疗效.
- 精确区分良性和恶性胆道狭窄是有效的患者管理的关键.
研究的目的:
- 通过内镜逆流胆瘤造影 (ERCP) 诊断出胆管狭窄的患者中与恶性瘤相关的风险因素的识别.
- 开发和验证一个预测性临床模型,以提高恶性胆汁狭窄的诊断准确度.
主要方法:
- 追溯分析398名被ERCP诊断为胆管狭窄的患者.
- 使用单变量和拉索回归来进行风险因素选和选择.
- 使用七种机器学习算法开发和评估预测模型,根据AUROC和校准选择最好的.
主要成果:
- 随机森林 (RF) 模型表现出卓越的性能,接收器操作特征曲线 (AUROC) 下的面积为0.988.8.
- 确定的主要风险因素包括年龄,狭窄位置/长度,CA199,TBil,ALP和DBil/TBil比率.
- 鉴定出C-反应蛋白 (CRP) 是一种对MBS的保护因素.
结论:
- 经过验证的预测模型是有效和稳定的,用于识别患有MBS高风险的患者.
- 这种工具可以指导临床决策,从而改善诊断结果和患者预后.
