一个基于反事实理论的机器学习模型,用于肝细胞癌患者的治疗决定
Xiaoqin Wei1, Fang Wang2, Ying Liu3
1School of Medical Imaging, North Sichuan Medical College, Nanchong City, Sichuan Province, People's Republic of China.
Journal of hepatocellular carcinoma
|September 4, 2024
概括
机器学习模型预测了肝细胞癌 (HCC) 患者接受肝切除术或跨动脉化学栓塞 (TACE) 的治疗疗效. 这些模型指导最佳治疗选择,改善患者的生存结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 肝细胞癌 (HCC) 是一个主要的全球健康问题.
- 肝切除术和跨动脉化学栓塞 (TACE) 是HCC的常见治疗方式.
- 预测治疗疗效对于优化患者的治疗结果至关重要.
研究的目的:
- 开发机器学习模型,预测HCC患者的治疗疗效.
- 利用临床和放射学特征进行个性化治疗建议.
- 为了比较肝切除术与TACE在HCC管理中的疗效.
主要方法:
- 对418名接受肝切除术或TACE治疗的HCC患者进行了回顾性队列研究.
- 倾向性得分匹配和偏差控制治疗权重的逆概率.
- 机器学习模型 (死亡肝切除术,死亡TACE) 整合了临床和放射学数据.
- 考克斯回归和随机生存森林用于特征选择.
主要成果:
- 机器学习模型准确地预测了肝切除术和TACE患者的结果.
- 患者被分为偏好肝切除术和偏好TACE的两组,生存时间显著不同.
- 预后模型显示,该模型对HCC患者的整体存活率具有很高的预测能力.
结论:
- 机器学习模型可以有效地预测肝切除术和TACE对HCC的差异性结果.
- 预后模型准确地预测HCC患者的整体存活率.
- 这种方法有助于推HCC的最佳治疗策略.
更多相关视频
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
5.1K
08:15A Hepatocellular Cancer Patient-Derived Organoid Xenograft Model to Investigate Impact of Liver Regeneration on Tumor Growth
Published on: February 2, 2024
772
