使用机器学习技术优化结直肠癌患者转移的预测
1Department of Health Information Management, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran. nopour.r70@gmail.com.
BMC gastroenterology
|April 18, 2025
概括
机器学习使用各种患者数据准确预测结直肠癌转移. 这种方法有助于早期检测,并通过识别关键风险因素来改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 生物信息学是一种生物信息学.
背景情况:
- 大肠直肠癌 (CRC) 是癌症相关死亡的主要原因.
- 早期预测CRC转移对于改善患者预后至关重要.
- 现有的预测模型通常仅依赖于临床数据.
研究的目的:
- 为CRC转移开发一种更具预测性和通用性的机器学习模型.
- 整合人口,生活方式,营养和临床因素,以提高预测.
- 确定转移的关键预测因子,以获得临床可用性.
主要方法:
- 德黑兰1156名CRC患者的回顾性分析.
- 应用多种机器学习算法,包括LightGBM,XGBoost和随机森林.
- 外部验证使用来自萨里的115名CRC患者的数据.
主要成果:
- 在初级队列中,LightGBM模型表现出高性能,AU-ROC为0.9.
- 确定的主要预测因素包括IBD病史,CRC家族病史,淋巴结参与,水果摄入量和瘤大小.
- 外部验证证实了该模型的通用性,AU-ROC为0.77.
结论:
- 轻GBM显示了CRC转移的显著预测能力.
- 该模型可以成为临床环境中医生的一个有价值的工具.
- 早期的转移预测可以提高患者的预后.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.1K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
6.8K
