一种可解释的机器学习模型用于预测肝脏内胆管癌中远程转移的风险:基于人口的队列研究
1Department of Hepatobiliary and Pancreatic Surgery, Affiliated Hospital of Guilin Medical University, Guilin, 541001, China.
Discover oncology
|June 18, 2025
概括
这项研究开发了一种渐变增强机器 (GBM) 模型,用于预测肝脏内胆瘤 (ICC) 患者的远程转移 (DM). 该模型准确地识别了高风险个体,有助于个性化治疗,并改善了这种侵袭性癌症的结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 肝内胆管癌 (ICC) 的远程转移 (DM) 显著恶化预后,增加死亡率.
- 早期预测DM风险对于个性化治疗策略和改善ICC患者结果至关重要.
研究的目的:
- 开发和验证一种预测模型,用于早期检测肝脏内胆固醇癌 (ICC) 中的远程转移 (DM).
- 确定影响ICC患者DM风险的关键因素.
主要方法:
- 利用了SEER数据库 (2004-2021) 中8536名ICC患者的数据.
- 采用了特征选择 (LASSO,Boruta,RFE) 和八个机器学习算法.
- 使用AUC,AUPRC,DCA和校准曲线评估模型;使用SHAP分析解释.
主要成果:
- 梯度增强机 (GBM) 模型表现出卓越的性能 (AUC: 0.802,AUPRC: 0.571).
- 确定了10个关键预测因素:手术,N阶段,瘤等级,T阶段,瘤大小,放射治疗,瘤数量,年龄,化疗和淋巴结数量.
- 开发了一种基于网络的计算器,用于预测ICC患者的DM风险.
结论:
- GBM模型显示了在ICC患者中预测DM风险的巨大潜力.
- 这个工具可以帮助临床医生制定个性化治疗计划.
- 改进的预测可以使ICC患者的管理和预后更好.
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
8.4K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K