在肺腺癌中使用机器学习预测STAS,小结 ≤2厘米:一个多中心的回顾性研究
Zhan Zhang1, Yue Zhao1, Yi-Jun Ma1
1Department of Thoracic Surgery, Qilu Hospital of Shandong University, No. 107 Wenhua West Road, Jinan, Shandong Province, 250063, China.
BMC cancer
|March 7, 2025
概括
机器学习在手术前准确预测肺癌通过空气空间 (STAS) 传播. 该XGBoost模型显示高精度,有助于个性化治疗策略,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 数据科学数据科学数据科学
背景情况:
- 通过空气空间传播 (STAS) 是肺癌攻击性和复发的一个关键因素.
- 术前识别STAS对于定制肺癌患者的手术策略至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,使用手术前数据预测STAS.
- 评估ML模型在识别STAS方面的临床实用性和通用性.
主要方法:
- 对来自两个机构的1,290名肺癌患者进行了回顾性分析.
- 开发了八个ML模型 (XGBoost,LightGBM,RF等) 的开发. 使用13个选定的变量.
- 通过ROC曲线,AUC,校准图,DCA和SHAP分析进行性能评估.
主要成果:
- XGBoost模型实现了最高的AUC (内部验证为0.931,外部验证为0.904).
- 通过决策曲线分析,XGBoost,LightGBM和RF模型证明了临床实用性.
- 对于STAS的关键预测指标包括CEA,FEV1,CTR,MVV和CT值.
结论:
- XGBoost模型提供了在肺癌中STAS的强大和可泛化的术前预测.
- 基于ML的STAS预测可以指导临床决策,并通过识别高风险患者来改善外科治疗结果.
