机器学习在诊断胃癌中微卫星不稳定的准确性:系统性审查和元分析
Yuou Ying1, Ruyi Ju2, Jieyi Wang3
1The Second Affiliated College of Zhejiang Chinese Medical University, Hangzhou 310053, Zhejiang Province, China.
International journal of medical informatics
|November 8, 2024
概括
机器学习 (ML) 对早期检测胃癌 (GC) 中的微卫星不稳定性 (MSI) 是有前途的. 这一分析将ML整合为ML.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 在胃癌 (GC) 中早期识别微卫星不稳定性 (MSI) 存在重大临床挑战.
- 机器学习 (ML) 越来越多地被用于在GC中检测MSI,但其预测准确性需要进一步的证据.
- 这项研究旨在巩固有关ML准确性的证据,以便在GC中快速检测MSI.
研究的目的:
- 系统地评估机器学习 (ML) 模型在胃癌 (GC) 中微卫星不稳定性 (MSI) 的早期检测中的准确性.
- 巩固现有的证据,对各种ML方法的预测性能在GC患者MSI识别.
主要方法:
- 在PubMed,Cochrane图书馆,Web of Science和Embase进行了全面的文献搜索,截至2024年3月20日.
- 偏差风险评估是使用预测模型的标准化工具进行的.
- 根据建模变量进行子组分析,以探索性能变化.
主要成果:
- 包括12项涉及11,912名GC患者的研究.
- ML模型利用了病理图像,临床特征和放射学.
- 基于病理图像的模型实现了0.86的c指数,而放射学和联合放射学+临床模型达到0.87,证明了高诊断性能.
结论:
- 机器学习 (ML) 证明了在GC中检测MSI的最佳性能,作为潜在的早期辅助诊断工具.
- 未来的研究应该专注于最小侵入性预测因子,以进一步提高ML模型在GC中检测MSI的准确性.
