机器学习模型的开发和验证,以预测肝脏内胆管癌的淋巴结转移:一项回顾性队列研究
Shizheng Mi1, Guoteng Qiu1, Zhihong Zhang1
1Department of Liver Surgery and Liver Transplantation Center, West China Hospital, Sichuan University, Chengdu, Sichuan, China.
Bioscience trends
|December 4, 2024
概括
在肝脏内胆固醇癌 (ICC) 中预测淋巴结转移对于生存至关重要. 支持矢量机 (SVM) 模型准确地识别节点状态,改善肝切除后患者结果预测.
科学领域:
- 肝胆道手术 肝胆道手术
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 淋巴结转移是肝脏内胆固醇癌 (ICC) 的关键预后因素.
- 精确预测淋巴结状况对于治疗规划和在接受治愈性肝切除的ICC患者的生存结果至关重要.
研究的目的:
- 开发和验证用于预测ICC中的淋巴结转移的机器学习模型.
- 评估预测的淋巴结状况对患者存活率的影响.
- 创建一个用于临床应用的实用工具.
主要方法:
- 使用培训 (2010-2016) 和验证 (2019-2023) 队列构建和验证三种机器学习模型 (支持矢量机器,随机森林,物流回归).
- 在没有剖析的患者中预测淋巴结状况.
- 使用卡普兰-梅尔曲线进行生存分析.
主要成果:
- 支持矢量机 (SVM) 模型显示出最好的预测性能 (AUC 0.705培训,0.754验证).
- 实际和预测的阳性淋巴结状况都与较差的整体存活率 (OS) 和无病存活率 (DFS) 显著相关 (p < 0.001).
结论:
- 机器学习,特别是SVM,可以有效地预测ICC中的淋巴结转移.
- 准确预测节点状况对于预后评估和临床决策至关重要.
- 基于SVM的在线计算器可用于实际预测ICC患者的结果.
