一个机器学习模型用于预测TACE后糖尿病HCC患者的预后
Linxia Wu1,2,3, Lei Chen1,2,3, Lijie Zhang1,4
1Department of Radiology, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei Province, 430022, People's Republic of China.
Journal of hepatocellular carcinoma
|January 27, 2025
概括
一个新的机器学习模型准确地预测了治疗后肝癌 (HCC) 和II型糖尿病 (T2DM) 患者的生存率. 这种工具有助于早期干预,以改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 肝病学 肝病学是一种肝病学.
- 医疗信息学 医疗信息学
背景情况:
- 二型糖尿病 (T2DM) 与肝细胞癌 (HCC) 患者的死亡率增加有关.
- 有效的预后预测对于管理患有并发性T2DM,经过跨动脉化学栓塞 (TACE) 的HCC患者至关重要.
研究的目的:
- 开发和验证基于机器学习 (ML) 的可解释的预测模型,用于TACE治疗T2DMHCC患者的预后.
- 通过准确的生存预测,增强临床决策和患者的结果.
主要方法:
- 一个随机生存森林 (RSF) 模型是使用衍生队列 (3 个中心) 的数据开发和外部验证的.
- 使用接收机操作特征 (ROC) 曲线,校准和决策曲线分析来评估预测性能.
- 为了模型的可解释性,使用了夏普利添加式解释 (SHAP).
主要成果:
- 该RSF模型表现出良好的内部验证性能,AUC为0.824,0.853和0.810,为1,2和3年生存期.
- 该模型显示出强大的外部验证,AUC为0.862,0.815和0.798对于1,2和3年生存期.
- SHAP总结图提供了对影响RSF模型预测因素的见解.
结论:
- 一个强大且可解释的RSF模型成功地开发出来,用于预测TACE后T2DM的HCC患者的预后.
- 该模型利用简单的参数,可以帮助医生进行早期临床干预,从而有可能改善患者的治疗结果.
