在非小细胞肺癌中预测术后血栓预防的失败:一个堆叠机器学习方法
Ligang Hao1, Junjie Zhang2, Yonghui Di1
1Department of Thoracic Surgery, Xingtai People's Hospital, Xingtai, Hebei, China.
PloS one
|April 1, 2025
概括
非小细胞肺癌手术增加了静脉血栓栓塞的风险. 一个机器学习模型有效地利用临床数据和EGFR突变预测术后血栓预防失败.
科学领域:
- 在瘤学瘤学.
- 肺部医学 肺部医学
- 在医疗保健中的数据科学.
背景情况:
- 接受手术的非小细胞肺癌 (NSCLC) 患者面临高静脉血栓栓塞 (VTE) 风险.
- 手术后的血栓预防可能会失败,需要预测模型.
研究的目的:
- 在手术后的NSCLC患者中识别VTE风险因素.
- 开发和验证用于预测静脉瘤风险和血栓预防失败的机器学习模型.
主要方法:
- 对362名接受手术的NSCLC患者的回顾性分析 (2018年1月 - 2022年11月).
- 在第一层使用LGBM分类器,随机森林分类器和GNB,在第二层使用后勤回归的堆叠机器学习模型的开发.
- 使用ROC-AUC评估的模型性能,准确性,灵敏性和训练,测试和验证集的特异性.
主要成果:
- 16.0%的患者 (58/362) 发生了静脉瘤.
- 确定了关键预测因素:年龄,血小板,D-二次体,白蛋白,吸烟史和EGFR外基因组21突变.
- 堆叠模型实现了高预测性能 (例如,ROC AUC为0.983,验证集的准确性为0.937).
结论:
- 结合临床特征和EGFR突变的堆叠机器学习模型表明,在NSCLC患者中,术后静脉瘤的预测价值显著.
- 该模型显示了高准确性和预测血栓预防失败的好处.
