在肝细胞癌破裂后预测术后腹膜转移的机器学习模型:中国的一项多中心队列研究

科学领域:

• 肝胆道手术是肝胆道的手术.
• 在瘤学瘤学.
• 医疗人工智能的人工智能

背景情况:

• 腹转移 (PM) 显著恶化了破裂肝细胞癌 (HCC) 患者的预后.
• 预测模型对于管理PM风险至关重要,但最佳方法仍未确定.

研究的目的:

• 为了比较各种机器学习模型在预测术后腹膜转移 (PM) 的有效性,在患有破裂的HCC.患者.
• 确定与PM发展相关的关键临床因素.

主要方法:

• 分析了522名HCC破裂患者的队列.
• 训练和验证了五种机器学习模型 (逻辑回归,SVM,分类树,随机森林,深度学习).
• 模型性能使用AUC和F1分数进行评估.

主要成果:

• 深度学习 (DL) 模型表现出卓越的性能,达到最高的AUC (0.892在测试组) 和F1得分 (0.899在测试组).
• 发现的关键预测因素包括瘤大小,肝切除术时间,α-胎蛋白水平和微血管入侵.

结论:

• 在破裂的HCC后,DL模型是最有效的预测PM.
• 这种预测能力支持制定量身定制的治疗策略,以提高患者的治疗结果.