基于机器学习算法的良性和恶性胆囊息肉的术前预测模型
Jiange Zeng1, Weiyu Hu1, Yubing Wang1
1Department of Hepatobiliary and Pancreatic Surgery, Affiliated Hospital of Qingdao University, Qingdao, Shandong, China.
Surgery
|June 11, 2025
概括
机器学习使用超声波和临床数据准确地区分良性和恶性胆囊息肉. 随机森林模型为手术前诊断提供了出色的预测性能.
科学领域:
- 医学成像医学成像
- 在瘤学瘤学.
- 数据科学是数据科学.
背景情况:
- 胆囊聚体需要准确的手术前区分良性和恶性类型.
- 目前的诊断方法可能在术前区分多重体性质方面存在局限性.
研究的目的:
- 开发和验证一种机器学习模型,用于预测良性与恶性胆囊息肉.
- 整合手术前的腹横超声波和临床特征,以提高诊断准确度.
主要方法:
- 对1050名患者的临床和超声波数据进行了回顾性分析.
- 开发六个机器学习模型,包括随机森林,用于聚类的分类.
- 使用Shapley添加式解释 (SHAP) 进行特征重要性分析.
主要成果:
- 确定了六个关键预测因素:多体大小,年龄,纤维素,碳水化合物抗原19-9,结石的存在和胆酶.
- 随机森林模型实现了高预测性能,AUC为0.963 (训练),0.940 (内部) 和0.958 (外部).
- 与先前的研究相比,证明了更高的临床效用和预测性能.
结论:
- 一个随机的森林模型整合了手术前超声波和临床数据,准确地预测了胆囊聚恶性病变.
- 该模型为管理胆囊多的临床决策提供了宝贵的指导.


