机器学习可以预测早期死亡,尽管胰腺切除术

科学领域:

• 在瘤学瘤学.
• 机器学习 机器学习
• 外科手术的结果

背景情况:

• 对右侧胰腺管腺癌 (PDAC) 的胰腺二管切除术 (PD) 的1年死亡率为25%.
• 与非手术选择相比,很大一部分患者经历了患病率,但没有从PD中获得生存益处.

研究的目的:

• 将机器学习模型与传统回归模型的准确性进行比较,以预测PDAC患者的徒劳手术.
• 确定与徒劳的PD相关的关键手术前因素.

主要方法:

• 对接受PD的PDAC患者的国家癌症数据库数据 (2004-2020年) 的分析.
• 无用PD的定义是癌症诊断后12个月内死亡.
• 使用16个手术前变量进行后勤回归,多层感知,决策树,随机森林和梯度增强模型的培训和测试.

主要成果:

• 在66331名患者中,25.3%符合无效手术的标准.
• 梯度增强模型实现了最高的准确性 (AUC 0.689),超过了后勤回归,随机森林和决策树.
• 无效PD的预测因素包括晚年,较大的瘤大小和差异化;新辅助疗法降低了无效的风险.

结论:

• 机器学习模型在预测PDAC患者徒劳的PD时表现出适度的准确性.
• 研究结果支持改善PDAC的共享决策和优化护理策略.
• 需要使用更细致的数据进行进一步研究.