机器学习用于预测癌症老年患者的术后功能残疾和死亡率:回顾性队列研究

科学领域:

• 老年瘤学 老年瘤学
• 手术瘤学手术瘤学
• 人工智能在医学中的应用

背景情况:

• 全球癌症负担不断增加和人口老龄化需要改善对老年患者的护理.
• 对老年癌症患者的手术决定需要预测手术后的结果,以保持生活质量.
• 现有的模型没有准确地预测老年癌症患者的术后功能障碍.

研究的目的:

• 开发和验证机器学习模型,用于预测65岁及以上癌症患者的术后功能残疾或住院死亡.
• 确定影响这些结果的关键手术前因素.

主要方法:

• 在70家日本医院进行了33355名年龄≥65岁,接受重大癌症手术的患者的回顾性队列研究.
• 开发了6个机器学习模型 (CatBoost,XGBoost,逻辑回归,神经网络,随机森林,支持矢量机) 使用37个手术前因素.
• 模型性能使用接收器运行特征曲线 (AUC) 下的面积来评估;特征重要性通过SHAP值来评估.

主要成果:

• CatBoost和XGBoost模型在训练组中表现出最高的预测性能,AUC为0.81.
• 最重要的影响因素包括痴呆症,年龄≥85岁和胃肠癌.
• CatBoost模型在内部验证中达到0.77的AUC,在外部验证中达到0.72的AUC.

结论:

• CatBoost模型有效地利用现有的手术前数据预测老年癌症患者的术后结果.
• 这个模型可以帮助手术决策,考虑患者的生活质量和护理负担.
• 集成到电子健康记录中的潜力,以临床实施.