在患有乳头甲状腺癌的患者中构建和验证淋巴结转移的预测模型

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 乳头甲状腺癌 (PTC) 是一种常见的内分泌恶性瘤.
• 淋巴结转移 (LNM) 是PTC的关键预后因素.
• 准确预测LNM对于有效的治疗计划至关重要.

研究的目的:

• 调查PTC患者淋巴结转移的发生情况.
• 开发和验证淋巴结转移的预测模型.
• 评估机器学习模型在预测PTC转移方面的性能.

主要方法:

• 对432名PTC患者的回顾性分析.
• 使用最小绝对收缩和选择操作员 (LASSO) 进行特征选择.
• 开发和比较多个机器学习分类模型.
• 个人化风险评估使用沙普利添加剂扩张 (SHAPs).
• 外部验证使用125名患者的数据.

主要成果:

• 确定了中央淋巴结转移 (CLNM) 的关键预测因素:年龄,性别,结节直径,边缘,形态,结节数量,与甲状腺外的关系和粗化.
• 确定一个物流分类模型是最优的.
• 后勤模型在测试组上实现了0.798的曲线下的面积 (AUC).
• 外部验证证实了该模型的稳定性和通用性.

结论:

• 建立了一个强大的物流模型,用于预测PTC中的淋巴结转移.
• 沙普利添加式解释 (SHAP) 方法提高了个性化风险评估的预测能力.
• 该模型为PTC管理中的个性化医疗保健策略提供了基础.