基于机器学习的模型,用于预测营养不良肝细胞癌患者干预治疗后的无复发生存率

科学领域:

• 肝胆道手术 肝胆道手术
• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 肝细胞癌 (HCC) 的复发是一个重大问题,特别是在干预后治疗的营养不良患者中.
• 确定无复发生存率 (RFS) 的预测因素对于优化患者管理至关重要.

研究的目的:

• 确定影响跨动脉化学血栓化 (TACE) 和射频切除 (RFA) 后营养不良患者HCC复发的关键因素.
• 使用机器学习,在这个患者队伍中开发和验证1年,3年和5年RFS的预测名录.

主要方法:

• 机器学习算法包括随机生存森林 (RSF) 和极端梯度增强 (XGBoost) 应用于512名营养不良的HCC患者的临床数据.
• 使用多变量考克斯回归分析来确定独立的风险因素.
• 构建了一个名图,并使用Kaplan-Meier曲线,ROC,校准和决策曲线分析评估了其预测性能.

主要成果:

• 鉴定了玛-氨基转酶 (GGT),激活的部分血栓形成时间 (APTT),年龄和氨酸转移酶 (ALT) 作为HCC复发的独立风险因素.
• 开发的诺米图表显示出明显的区分不同复发风险的患者群体的能力.
• 在验证队伍中,名图显示了强大的区分能力,准确性和决策有效性.

结论:

• 一种新型的诺米图有效地预测了TACE和RFA联合治疗的营养不良HCC患者的RFS.
• 该名图为HCC管理中的个性化风险评估和治疗策略提供了宝贵的见解.