使用可解释的机器学习算法预测CME后重症患者的胃衰竭风险 - 一项为期10年的多中心回顾性研究
Yuan Liu1, Songyun Zhao2, Wenyi Du1
1Department of General Surgery, Wuxi People's Hospital Affiliated to Nanjing Medical University, Wuxi, China.
Frontiers in medicine
|January 21, 2025
概括
机器学习模型可以预测结肠癌患者的完整中切除术 (CME) 后的胃衰竭. 该XGBoost模型显示高精度,有助于早期干预和改善患者的结果.
科学领域:
- 在瘤学瘤学.
- 外科胃肠道外科手术
- 人工智能在医学中的应用
背景情况:
- 胃衰竭是完全中切除 (CME) 后的严重并发症,影响患者的康复和生活质量.
- 鉴定CME后胃衰竭高风险患者对于主动管理至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测CME的结肠癌患者的胃衰竭.
- 确定导致术后胃衰竭发展的关键风险因素.
主要方法:
- 利用了1097名结肠癌患者的临床数据,其中87人患有胃衰竭.
- 应用了四种机器学习算法:极端梯度提升 (XGBoost),随机森林 (RF),支持矢量机 (SVM) 和k-最近邻居 (KNN).
- 采用十倍交叉验证,ROC曲线,校准曲线,决策曲线分析 (DCA) 和用于综合模型评估的外部验证.
主要成果:
- XGBoost模型显示出优异的预测性能,AUC为0.939 (训练) 和0.876 (验证).
- XGBoost显示出强大的一致性和有利的校准,表明可靠的预测.
- 决策曲线分析证实,使用XGBoost指导干预治疗的患者获得了显著的临床益处.
结论:
- 虽然手术后胃衰竭的完全预防具有挑战性,但开发的XGBoost模型有效地识别了高风险患者.
- 这种预测工具可以帮助临床医生改善患者的生活质量和生存结果.
