开发和验证一个小样本机器学习模型,以预测肝细胞癌患者的5年整体存活率

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 早期发病的肝细胞癌 (HCC) 由于转移,复发和死亡率而带来挑战.
• 准确的预后预测至关重要,但资源密集.
• 机器学习 (ML) 提供了一个从小数据集中提取见解的解决方案.

研究的目的:

• 开发和验证一种机器学习模型,用于预测HCC患者的5年总生存期 (OS).
• 为了确定HCC的关键预测因素5年OS.
• 为了比较各种ML模型对HCC预后的性能.

主要方法:

• 收集了76名新诊断的HCC患者的数据.
• 使用后勤回归,SVM,DTC,RF和XGBoost模型进行预测.
• 评估模型使用准确度,F1分数,回忆,特异性和AUC-ROC.
• 进行了内部和外部的可靠性验证.

主要成果:

• 选了22个关键预测指标的显著变量集,包括瘤大小,转移和生物标志物水平.
• 支持矢量机 (SVM) 模型实现了最高的性能 (精度=0.987,F1=0.988,回忆=1.000).
• 在内部和外部验证中,SVM表现出卓越的稳定性和准确性.

结论:

• SVM模型准确地预测HCC患者的5年生存期.
• 在预测准确度方面,SVM的表现优于传统模型.
• 基于已识别的风险因素的干预可以改善HCC患者的预后.