基于机器学习的模型的开发和外部验证,以预测十二指甲腺癌患者的术后复发:一个多中心,回顾性队列研究
Xu Liu1, Qifeng Xiao2, Zongting Gu3
1National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
BMC medicine
|February 21, 2025
概括
一个新的机器学习模型,即惩罚性回归+加速斜边随机生存森林模型 (PAM),准确地预测了手术后十二指腺癌复发. 这种工具有助于临床医生在患者的随访和治疗计划.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 外科手术的结果
背景情况:
- 双胞胎腺癌 (DA) 在手术后复发是常见的,需要准确的预测.
- 预测复发对于有效的患者管理和治疗策略至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于预测十二指腺腺癌的术后复发.
- 确定DA复发预测的最佳预测因子和机器学习算法.
主要方法:
- 一项多中心的回顾性队列研究包括了1830名经过激进手术的DA患者.
- 包装方法为十个机器学习学习者选择了最佳预测因素.
- 处罚回归+加速斜随机生存森林 (PAM) 模型是在三个独立的队列中开发和验证的.
主要成果:
- 该PAM模型表现出强大的预测性能,培训队列的C指数为0.882,验证队列的C指数为0.734-0.747.
- 通过将十个特征子集与十个机器学习学习器组合起来,开发了100个预测模型.
- 为PAM创建了一个公开可访问的网络工具.
结论:
- PAM模型显示,在十二指腺腺癌患者中识别术后复发的显著潜力.
- 这种预测工具可以帮助临床医生评估疾病严重程度并指导辅助治疗决策.
- 改善的患者随访策略可以通过PAM模型来促进.
