预测模型非常早期复发的患者与周围性胆管癌:一个机器学习方法
Jun Kawashima1,2, Yutaka Endo3, Zayed Rashid1
1Department of Surgery, The Ohio State University Wexner Medical Center and James Comprehensive Cancer Center, Columbus, OH, USA.
Hepatobiliary surgery and nutrition
|February 10, 2025
概括
一个新的机器学习模型准确地预测了周围胆管癌 (pCCA) 手术后的非常早期复发 (VER). 这种工具有助于外科医生选择患者,并就术后复发风险提供咨询.
科学领域:
- 手术瘤学手术瘤学
- 机器学习在医学中的应用
- 胃肠病学 胃肠病学
背景情况:
- 周围胆管癌 (pCCA) 切除提供治疗潜力,但面临着高发病率和复发的挑战.
- 确定手术后患有非常早期复发 (VER) 的高风险患者对于改善结果至关重要.
研究的目的:
- 开发和验证pCCA.治疗意图切除后VER的预测模型.
- 使用机器学习识别与VER相关的关键临床病理因素.
主要方法:
- 一个极端梯度增强 (XGBoost) 模型是使用经过pCCA切除的434名患者的数据开发的.
- 使用夏普利添加式解释 (SHAP) 值来确定VER的预测因子的相对重要性.
- 在培训和验证队伍中,使用c指数评估了模型的预测准确性.
主要成果:
- 15.0%的患者经历了VER (在6个月内复发).
- XGBoost模型成功地将患者分为低风险,中等风险和高风险的VER组,在无复发生存率和整体生存率上有显著差异.
- VER的关键预测因素包括年龄,手术前CA19-9水平,瘤大小,分化/等级和淋巴结转移.
结论:
- 一个新的机器学习模型准确地预测了pCCA切除后的VER风险.
- 这种预测工具可以帮助外科医生选择患者进行手术,并为患者提供有关术后复发风险的咨询.
