一种基于机器学习的新型名录,预测肝细胞癌患者在局部切除后动态α-胎蛋白水平变化后的整体存活率
Qi Wang1,2, Lina Sun1,2, Gongming Zhang3
1Beijing Key Laboratory of Emerging Infectious Diseases, Institute of Infectious Diseases, Beijing Ditan Hospital, Capital Medical University, Beijing 100015, P.R. China.
Oncology letters
|May 9, 2025
概括
这项研究开发了一种名谱,用于预测手术后患有α-胎蛋白阴性肝细胞癌 (AFP-NHCC) 的患者的整体生存期 (OS). 该工具有助于识别高风险患者,以便及时干预并改善结果.
科学领域:
- 肝胆道手术是肝胆道的手术.
- 在瘤学瘤学.
- 生物统计学 生物统计学
背景情况:
- 肝细胞癌 (HCC) 诊断通常依赖于α-fetoprotein (AFP) 水平,但有一部分患者 (AFP-负的HCC或AFP-NHCC) 没有升高的AFP.
- 预测AFP-NHCC患者的预后,特别是那些在肝切除术后发生动态AFP变化的患者,仍然具有挑战性.
- 准确的生存预测对于指导治疗策略和改善AFP-NHCC患者管理至关重要.
研究的目的:
- 开发和验证AFP-NHCC.患者整体存活期 (OS) 的预测性名谱.
- 为了确定与OS相关的关键临床和实验室变量,在这个特定的患者队列.
- 为分层AFP-NHCC患者提供一个临床上有用的工具,基于他们肝切除术后的生存风险.
主要方法:
- 一组870名接受肝切除术的AFP-NHCC患者被随机分配到培训 (n=600) 和验证 (n=270) 组.
- 随机生存森林和多变量考克斯回归分析被用来确定名图的显著预测因子.
- 使用一致性指数 (C-指数),校准曲线,时间依赖的接收器运行特征曲线和临床决策分析 (DCA) 评估了诺莫грам的性能.
主要成果:
- 最终的诺米图包括性别,瘤大小,血球蛋白,玛-氨基转移酶和纤维素水平.
- 诺米图表获得了良好的区分能力,C指数为0.72 (培训) 和0.664 (验证).
- 校准曲线和DCA证实了名图的准确性和临床实用性,卡普兰-梅尔曲线显示了各个风险组的显著生存差异.
结论:
- 成功开发并验证了一种强大的名图,用于预测AFP-NHCC患者在肝切除术后发生动态AFP变化的3年,5年和8年的生存期.
- 这种名图为临床医生提供了一种有价值的工具,以识别高风险个体,使得及时干预.
- 该模型有可能通过个性化风险评估和及时管理策略来提高患者生存结果.
