手术后的预后见解,以了解结号环细胞胃癌的进展:一种机器学习方法
María Del Carmen Fernández-Moreno1, María Eugenia Barrios-Carvajal1, Roberto Martí-Obiol1
1Upper Gastrointestinal and Peritoneal Oncology Surgery Unit, Department of General Surgery, Universitat de Valencia, Valencia, Spain.
概括
结号环细胞胃癌的预后仍然不确定. 机器学习模型比传统的线性模型更准确地预测患者的结果,为胃癌复发和生存提供了更好的洞察力.
科学领域:
- 在瘤学瘤学.
- 医学统计 医学统计
- 机器学习 机器学习
背景情况:
- 标签环细胞 (SRC) 胃癌传统上预后不好,尽管文献提出了相互矛盾的数据.
- 线性模型是分析的标准,但机器学习 (ML) 模型显示出优越预测性能的潜力.
研究的目的:
- 为了比较线性模型与ML模型对胃癌患者5年死亡率和2年复发的预测准确度.
- 评估包括SRC组件在内的各种临床和病理因素对患者结果的影响.
主要方法:
- 对608名胃癌患者的分析,比较线性和ML模型.
- 检查的变量:人口统计,SRC组件,淋巴结状况,疾病阶段,BMI,病理,手术类型,瘤位置和CEA水平.
主要成果:
- 瘤与较低的5年生存率,较高的淋巴结转移和较高的LN比率相关;在年轻患者 (<65岁) 中更为普遍.
- 在多变量分析中,SRC不是一个独立的预后因素.
- 在预测5年死亡率和2年复发率方面,ML模型显著优于线性模型;ML模型没有优先考虑SRC组件.
结论:
- 对于SRC胃癌的预后仍然不确定.
- 与传统的线性模型相比,ML模型提供了更准确的预后评估.
- 需要利用ML算法进行进一步的大规模研究,以充分探索它们在胃癌中的预测能力.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
223
