基于机器学习的模型用于预测慢性乙型肝炎患者肝细胞癌的风险

科学领域:

• 肝病学 肝病学是一种肝病学.
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 目前的肝细胞癌 (HCC) 风险分层在慢性乙型肝炎 (CHB) 患者的预测模型是不够的.
• 准确的风险评估对于及时干预和管理患有HCC风险的CHB患者至关重要.

研究的目的:

• 开发和验证人工神经网络 (ANN) 模型,以评估CHB患者10年累积的HCC风险.
• 将ANN模型的性能与现有的HCC风险预测工具进行比较.

主要方法:

• 一个单变量分析确定了来自两个医疗中心的1717名CHB患者中HCC发展的独立风险因素.
• 使用这些因素构建了一个ANN模型,并在一个独立的队列上进行验证.
• 模型性能使用接收器操作特征曲线 (AUROC) 下面面积,一致性指数 (C-指数) 和校准曲线来评估.

主要成果:

• 在培训队列中,ANN模型表现出高预测准确度,AUROC为0.929和C指数为0.917.
• 该ANN模型的表现明显优于已建立的模型,如mREACHE-B,mPAGE-B,HCC-RESCUE,CAMD,REAL-B和PAGE-B (p < 0.001).这些模型的表现是非常好的.
• 该模型有效地将患者分为低风险和高风险组,具有高正负预测值,在验证队列中得到证实.

结论:

• 开发的ANN模型在CHB患者10年HCC风险的个性化预测方面表现强.
• 这个模型可以成为临床医生更好地评估和管理这一群体中HCC风险的宝贵工具.