应用机器学习技术来预测胃癌远程转移的风险:一个现实世界的回顾性研究
Xinxin Qin1, Binxu Qiu1, Litao Ge1
1Department of Gastric and Colorectal Surgery, General Surgery Center, The First Hospital of Jilin University, Changchun, China.
Frontiers in oncology
|December 20, 2024
概括
识别患有远程转移高风险的胃癌患者对于治疗至关重要. 使用临床数据的机器学习模型准确预测了这种风险,有助于早期临床决策.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 远程转移显著影响胃癌治疗策略.
- 早期识别高风险患者对于有效管理至关重要.
研究的目的:
- 开发和验证胃癌中远程转移的预测模型.
- 确定与远程转移相关的关键临床和病理指标.
主要方法:
- 从SEER数据库中对18472名胃癌患者进行了回顾性分析.
- 应用六个机器学习算法,包括随机森林 (RF),具有十倍交叉验证.
- 外部验证使用来自1595名患者的数据;模型解释通过SHAP分析.
主要成果:
- 随机森林 (RF) 模型表现出强大的预测性能,在训练组中AUC为0.80,在外部验证组中为0.76.
- 确定的独立风险因素包括年龄,种族,瘤等级,大小,T阶段,放射治疗和化疗.
- 基于最佳射频模型开发了一个基于网络的计算器.
结论:
- 一个强大的射频模型有效地预测了胃癌中远程转移的风险.
- 开发的模型和计算器可以帮助临床医生做出明智的治疗决策.
