基于机器学习的预测模型,用于肝癌肝切除术后的胆汁泄漏
Abdullah Altaf1, Muhammad M Munir1, Muhammad Muntazir M Khan1
1Department of Surgery, Division of Surgical Oncology, The Ohio State University Wexner Medical Center and James Comprehensive Cancer Center, Columbus, OH, United States.
概括
一个新的机器学习 (ML) 模型准确地预测癌症肝脏手术后的胆汁泄漏. 该工具有助于外科医生规划手术和患者康复,改善肝切除术患者的治疗结果.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 机器学习在医学中的应用
- 手术瘤学手术瘤学
背景情况:
- 胆汁泄漏是肝切除术后的一个常见并发症.
- 准确预先预测胆汁泄漏是具有挑战性的.
- 改进的预测可以优化手术规划和患者管理.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测肝切除术后的胆汁泄漏.
- 为了确定肝切除术后胆汁泄漏的关键手术前预测因素.
- 为风险评估创建一个用户友好的临床工具.
主要方法:
- 使用ACS-NSQIP数据库开发了一个极端梯度增强 (XGBoost) 模型.
- 该模型在肝细胞癌 (HCC) 和肝脏内胆瘤 (ICC) 的多机构数据集上进行了外部验证.
- 通过SHAP (夏普利添加式扩展) 分析,确定了预测因素.
主要成果:
- XGBoost模型表现出良好的预测性能,AUROC为0.748 (培训),0.719 (测试) 和0.711 (外部验证).
- 关键预测因素包括血清性酸酶,手术方法和癌症诊断.
- 为临床应用开发了一个在线计算器.
结论:
- 一个新的ML模型有效地预测了肝切除术后胆汁泄漏的术前风险.
- 开发的在线工具可以帮助进行手术规划和患者护理决策.
- 这种预测模型有可能减少胆汁泄漏并发症.
