使用机器学习来预测食道癌的肺转移:基于人口的研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 食道癌经常转移到肺部,影响患者的预后.
• 精确预测肺转移对于有效的治疗计划至关重要.

研究的目的:

• 开发和验证用于预测食道癌肺转移的机器学习模型.
• 确定与肺转移风险相关的关键指标.

主要方法:

• 利用来自SEER数据库的20249名食道癌患者 (2010-2020年) 的数据.
• 应用后勤回归来确定八个风险指标.
• 开发并比较了六种机器学习模型,包括梯度增强机 (GBM).

主要成果:

• 确定了主要部位,组织学,等级,T/N分期和其他转移作为独立的风险因素.
• GBM 模型的 AUC 值为 0.803,准确度为 0.849,灵敏度为 0.604,特异性为 0.867.
• 在内部验证中,GBM模型表现出卓越的性能.

结论:

• 一个基于GBM的强大的机器学习模型已经开发出来,用于预测食道癌的肺转移.
• 在线计算器可用于支持临床决策和治疗策略.