一个机器学习工具,用于在初级保健中识别转移性结直肠癌
Eliya Abedi1,2,3, Marcela Ewing4, Elinor Nemlander1,2,3
1Division of Family Medicine and Primary Care, Department of Neurobiology, Care Sciences and Society, Karolinska Institutet, Solna, Sweden.
Scandinavian journal of primary health care
|March 13, 2025
概括
机器学习可以在初级保健中使用诊断代码和访问频率预测转移性结直肠癌 (MCRC). 这有助于早期识别MCRC患者,以便及时治疗.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 初级医疗保健研究 研究初级医疗保健研究
背景情况:
- 精确识别转移性结直肠癌 (MCRC) 对于有效治疗至关重要.
- 目前的检测严重依赖于临床评估.
- 在MCRC治疗的进步需要精确的患者分层.
研究的目的:
- 开发用于MCRC识别的预测机器学习模型.
- 利用来自初级医疗保健机构的诊断数据.
- 在一般人群中改善MCRC的早期检测.
主要方法:
- 采用了一种病例控制研究设计.
- 分析了146名MCRC患者和577名初级保健中匹配的对照组的数据.
- 随机梯度增强被用来构建基于诊断代码和咨询频率的预测模型.
主要成果:
- 最佳模型实现了曲线下的面积为76.5%,灵敏度为77.8%,特异性为69.2%.
- 前一年的初级医疗保健咨询次数是一个关键预测指标 (NRI 19.2%,ORME 3.3).
- 前十大变量对MCRC预测做出了显著的贡献 (61.0%的NRI组合).
结论:
- 机器学习模型可以有效地使用初级保健数据预测MCRC.
- 咨询频率和诊断代码对于MCRC预测至关重要.
- 这种方法可以帮助在初级保健机构中识别MCRC患者.
