机器学习预测模型的开发和验证用于肝脏外科手术的教科书结果:来自多中心的国际队列的结果
Jane Wang1, Amir Ashraf Ganjouei1, Taizo Hibi2
1From the Department of Surgery, University of California, San Francisco, San Francisco, CA.
概括
一个机器学习模型预测了肝脏手术 (TOLS) 的教科书结果,显示它可以改善肝切除术后的长期存活率. 这种工具有助于做出患者护理决策.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 机器学习在医学中的应用
- 手术成果研究的研究结果.
背景情况:
- 肝脏外科手术的教科书结果 (TOLS) 是最佳术后恢复的复合指标.
- 一个德尔菲的共识定义了TOLS标准.
- 验证TOLS对于临床应用至关重要.
研究的目的:
- 开发一个机器学习 (ML) 模型,使用手术前数据预测TOLS.
- 通过评估其与肝切除术后长期存活的关联来验证TOLS标准.
主要方法:
- 分析了来自多中心国际队列 (2010-2022) 的成年肝切除患者.
- 四个ML模型被训练来预测TOLS;XGBoost被选中.
- 多变量考克斯分析评估了TOLS与整体存活时间 (OS) 的相关性.
主要成果:
- 在2059名患者中,62.8%的患者实现了TOLS.
- 在XGBoost模型中,AUC达到0.73.
- 预测TOLS的预测因素包括最小侵入性方法,较少/较小的病变,以及较低的并发症/肌素.
- TOLS与改善的OS相关 (HR0.82,P=0.015).
结论:
- 一个ML模型准确地预测了肝脏手术患者的TOLS.
- 验证了TOLS标准,显示了与改善长期生存率的关联.
- 这些发现支持在临床决策中使用TOLS.
