机器学习模型预测周围胆管癌患者的早期复发计划治疗治疗切除的治疗:一个多中心研究
Xiang Wang1, Li Liu2, Zhi-Peng Liu3
1Department of Hepatobiliary Surgery, Southwest Hospital, Third Military Medical University (Army Medical University), Chongqing, China.
概括
这项研究开发了一种机器学习模型,用于预测周围胆管癌 (pCCA) 患者的早期复发. 该模型有效地识别高风险个体,改善治疗切除的治疗计划.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 手术瘤学手术瘤学
- 机器学习在医学中的应用
背景情况:
- 早期复发显著影响外围胆管癌 (pCCA) 患者手术后的生存率.
- 对高风险患者进行手术前的鉴定对于有效的管理至关重要.
- 本研究探讨了在pCCA中需要一个预测工具来指导治疗决策的需求.
研究的目的:
- 构建和验证一个手术前预测模型,用于pCCA患者的早期复发.
- 确定与早期复发相关的关键手术前因素.
- 为了促进治疗切除患者的计划治疗策略.
主要方法:
- 400名pCCA患者的多中心队列被分为训练 (n=300) 和测试 (n=100) 组.
- 最小绝对收缩和选择运算符 (LASSO) 回归确定了预测变量.
- 使用ROC和PRC曲线评估了四种机器学习模型 (SVM,RF,物流回归,KNN).
主要成果:
- 通过LASSO回归选择了五个因素 (CA19-9,瘤大小,总胆红素,肝动脉侵袭,门静脉侵袭).
- 随机森林 (RF) 模型显示出优异的预测性能 (AUC: 0.983培训, 0.952测试).
- 卡普兰-梅尔曲线显示,高风险和低风险组之间的无复发生存时间 (RFS) 有显著差异 (P < .001).
结论:
- 使用手术前变量的机器学习模型有效地预测了早期的pCCA复发.
- 该模型有助于临床医生为pCCA.患者做出明智的治疗决策.
- 该工具支持在pCCA.中进行治疗切除的优化治疗计划.
