基于机器学习算法,构建和验证基于II-III期胃癌淋巴结转移的诺姆图模型
1Department of Gastroenterology and Hepatology, Shanghai Institute of Digestive Disease, Renji Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China.
Frontiers in oncology
|October 23, 2024
概括
这项研究开发了一种机器学习名图,用于预测II-III期胃癌中淋巴结转移的情况. 该模型准确地识别了关键的风险因素,有助于临床决策,以改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 胃癌经常涉及淋巴结转移 (LNM),显著影响患者的预后.
- 目前用于LNM检测的方法缺乏精度,强调需要先进的风险预测模型.
研究的目的:
- 利用机器学习算法来识别LNM在胃癌II-III阶段的风险因素.
- 开发一个精确的nomogram模型来预测淋巴结转移在胃癌患者.
主要方法:
- 对1147例胃癌手术的回顾性分析.
- 应用单变量逻辑回归,最小绝对收缩和选择运算符 (LASSO) 和随机森林 (RF) 算法.
- 开发一个包含血管侵袭,瘤直径,单细胞百分比,血位数 (HCT) 和淋巴细胞-单细胞比率 (LMR) 的名图.
主要成果:
- 确定血管侵袭,最大瘤直径,单细胞百分比,HCT和LMR作为LNM的重要预测因素.
- 开发的名图表显示了强大的预测性能,在训练组中AUC为0.787,在验证组中为0.753.
- 校准和决策曲线分析证实了名图的准确性和临床实用性.
结论:
- 一个机器学习衍生名图提供了准确的LNM在II-III期胃癌的风险预测.
- 该工具促进了个性化风险评估,并支持胃癌管理的临床决策.
