开发和验证基于机器学习的诺米克图,用于预测治疗意图切除后患有状胆瘤的患者的存活率
Yubo Ma1, Qi Li1, Zhenqi Tang1
1Department of Hepatobiliary Surgery, The First Affiliated Hospital of Xi'an Jiaotong University, Xi'an, 710061, China.
Scientific reports
|July 12, 2025
概括
这项研究确定了状胆瘤切除后生存率 (hCCA) 的关键风险因素. 一个机器学习的诺姆图准确地预测了患者的结果,为这种罕见的胆管癌提供了个性化的预后见解.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
背景情况:
- 状胆管癌 (hCCA) 由于预后不佳和罕见,因此具有重大挑战.
- 有效的预后模型对于指导治疗和改善治疗意图切除后的患者结果至关重要.
研究的目的:
- 确定影响hCCA切除后患者生存的独立风险因素.
- 开发和验证一种基于机器学习的名谱,用于预测hCCA患者的整体存活率.
主要方法:
- 利用了340名接受治疗意图切除的hCCA患者的临床数据.
- 采用了五种机器学习算法 (LASSO,Forward Stepwise Cox,Boruta,Random Forest,XGBoost) 来进行风险因素选择.
- 使用培训和测试数据集构建并验证了一个名录,用C指数和AUC评估性能.
主要成果:
- 确定了阳性边缘,淋巴结转移,低淋巴结总数 (TLNC) 和瘤差异化作为独立的风险因素.
- 基于ML的名录显示出强大的预测准确性 (C指数:0.731培训,0.714测试) 和良好的校准.
- 在临床实用性和患者分层方面,名图表的表现优于TNM分期和Bismuth-Corlette分类.
结论:
- 一个基于机器学习的诺姆图有效预测切除后hCCA患者的预后.
- 开发的模型提供了个性化的风险分层,有助于对这种具有挑战性的癌症的临床决策.
- 这种预测工具的进一步验证和临床整合是有必要的.
