通过可解释的机器学习在局部晚期直肠癌中负淋巴结的日志概率的预测模型
Ye Wang1, Zhen Pan1, Huajun Cai1
1Department of Colorectal Surgery, The First Affiliated Hospital of Fujian Medical University, Fuzhou, China.
Scientific reports
|March 6, 2025
概括
负淋巴结/T阶段 (LONT) 的日志概率是局部晚期直肠癌 (LARC) 患者接受新辅助化疗放射治疗 (nCRT) 的生存的重要预测指标. 开发了一个机器学习模型来预测整体存活率 (OS) 和无病存活率 (DFS).
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 辐射疗法 辐射疗法
背景情况:
- 局部晚期直肠癌 (LARC) 治疗通常涉及新辅助化学放射治疗 (nCRT).
- 接受nCRT的LARC患者的预后因素需要进一步调查.
- 在LARC中负淋巴结/T阶段 (LONT) 的日志概率的预后值尚未先前研究.
研究的目的:
- 评估用nCRT治疗的LARC患者中LONT的预后价值.
- 开发和验证一种机器学习模型,用于预测LARC患者的整体存活率 (OS) 和无病存活率 (DFS).
- 为改善临床决策创建一个可访问的工具.
主要方法:
- 对820名用nCRT治疗的LARC患者的回顾性分析.
- 单变量和多变量考克斯回归以确定预后因素.
- 开发和评估9个机器学习算法,包括极端梯度提升 (XGB),用于生存预测.
- 使用AUC,决策曲线分析,校准曲线和SHAP值来评估模型性能.
- 创建一个基于网络的在线计算器.
主要成果:
- LONT被确定为OS和DFS的重要独立预后因素.
- XGB模型表现出卓越的性能,OS的AUC为0.89,DFS的AUC为0.83.
- SHAP分析为XGB模型的预测提供了可解释性.
- 基于XGB模型开发了一个在线网络计算器.
结论:
- 对于接受nCRT的LARC患者来说,LONT是一个有价值的预后因素.
- 机器学习,特别是XGB,可以有效地预测这个患者队列中的OS和DFS.
- 开发的在线计算器可以帮助医生规划治疗和患者管理.
