机器学习模型用于预测慢性病毒性乙型肝炎感染患者肝细胞癌的发展
Warissara Kuaaroon1, Thodsawit Tiyarattanachai1, Terapap Apiparakoon2
1Faculty of Medicine, Chulalongkorn University, Bangkok 10330, Thailand.
Asian biomedicine : research, reviews and news
|April 15, 2025
概括
机器学习模型可以预测慢性乙型肝炎 (CHB) 患者肝细胞癌 (HCC) 风险. 这些模型可能有助于为CHB感染量身定制监测间隔,改善患者护理.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 机器学习在医学中的应用
- 在瘤学瘤学.
背景情况:
- 慢性乙型肝炎 (CHB) 是肝细胞癌 (HCC) 的主要危险因素.
- 预测CHB患者的HCC发展对于及时干预至关重要.
- 当前的风险评估方法可能会从先进的预测建模中受益.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测个体患HCC发展风险.
- 评估ML模型的性能,包括和没有阿尔法胎蛋白 (AFP) 数据.
- 评估ML模型,使用HCC风险预测的所有特征和所选特征.
主要方法:
- 开发了四个ML模型变体 (所有功能/选择的功能,有/没有AFP).
- 利用来自CHB队列的患者随访数据进行模型构建.
- 使用十倍交叉验证和独立队列验证评估模型性能.
主要成果:
- 采用选定特征 (SF) 的模型表现出比使用所有特征 (AF) 的模型更好的灵敏度和特异性.
- 有AFP的模型通常比没有AFP的模型表现更高.
- 对独立队列的验证证实了开发的模型的预测能力.
结论:
- 机器学习模型显示出在CHB患者中预测短期HCC风险的巨大潜力.
- 这些模型可以帮助优化监测策略和患者管理.
- 进一步将ML纳入临床实践可能会提高早期HCC检测.
更多相关视频
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
5.0K
11:34A Competent Hepatocyte Model Examining Hepatitis B Virus Entry through Sodium Taurocholate Cotransporting Polypeptide as a Therapeutic Target
Published on: May 10, 2022
2.1K
