基于机器学习的预后预测和手术指导,用于肝脏内胆管癌
Long Huang1,2, Jianbo Li1,2, Shuncang Zhu1,2
1Shengli Clinical Medical College of Fujian Medical University, Fuzhou, Fujian, China.
Bioscience trends
|December 8, 2024
概括
预测肝脏内胆固醇癌 (ICC) 的预后是具有挑战性的. 新的机器学习模型改善了手术决策,优化了接受解剖切除 (AR) 或非解剖切除 (NAR) 患者的结果.
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:
- 在手术后,肝脏内胆管癌 (ICC) 的预后很差.
- 最佳的后续和手术策略 (解剖与非解剖切除) 被辩论.
- 目前的预后工具缺乏指导治疗决策的准确性.
研究的目的:
- 开发和验证可靠的机器学习模型,用于预测ICC预后.
- 优化手术方法建议 (解剖切除与非解剖切除) 以改善患者的存活率.
- 加强临床决策和患者-外科医生共享决策.
主要方法:
- 对五家医院680名患者的分析.
- 整合了八种特征选方法和11种机器学习算法.
- 模型验证使用嵌套交叉验证,与TNM阶段和性能状态进行基准测试,采用AUC等指标.
主要成果:
- 具有选特征的预测模型优于未选型模型,确定解剖切除 (AR) 是一个关键预测因素.
- 治疗推模型,特别是神经网络多任务后勤回归 (N-MTLR),显示了生存益处.
- 确定了适合非解剖切除 (NAR) 的患者子组,此前曾考虑过AR.
结论:
- 开发了三个强大的临床模型,用于ICC预后预测和手术决策优化.
- 这些模型可以改善患者的治疗结果,并支持共享决策.
- 机器学习方法为ICC的个性化治疗策略提供了一个有希望的途径.
