基于机器学习的切除与移植的选择以及肝细胞癌的生存率
Hyun Uk Kim1, Ji Won Han2,3, Pil Soo Sung2,3
1College of Medicine, The Catholic University of Korea, Seoul, Republic of Korea.
JAMA network open
|September 17, 2025
概括
这项研究开发了一种机器学习 (ML) 模型,用于指导肝细胞癌 (HCC) 的治疗选择,从而有可能改善生存结果. 该ML模型准确地分层风险,并建议肝移植 (LT) 和手术切除 (SR) 的个性化治疗策略.
科学领域:
- 肝细胞癌 (HCC) 研究研究
- 机器学习在医学中的应用
- 瘤学的决策支持
背景情况:
- 肝移植 (LT) 与手术切除 (SR) 相比,肝细胞癌 (HCC) 的存活率更高,但由于供体稀缺和患者变异性,治疗选择复杂.
- 对HCC进行最佳的个性化治疗选择仍然是一个重大的临床挑战.
研究的目的:
- 开发和验证基于机器学习 (ML) 的决策支持模型,以在HCC患者中优化,个性化地选择LT和SR之间的治疗.
- 使用ML模型估计和比较LT和SR的3年总生存期 (OS).
主要方法:
- 一项全国性的队列研究利用了来自韩国中央癌症登记处 (2008-2018) 的数据来推导模型,并使用了独立的医院队列 (2009-2020) 来进行外部验证.
- 开发了单独的ML模型 (Support Vector Machine和CatBoost),以预测LT和SR的3年OS,将患者分为风险组.
- 反事实分析评估了ML指导的决策和标准临床实践之间的生存差异.
主要成果:
- ML模型表现出强大的预测性能,在衍生队列中,LT的AUROC为0.82,SR的AUROC为0.79.
- 反事实分析表明,与观察到的临床实践相比,以ML为指导的治疗选择可以显著改善存活率 (HR,0.46;P<.001).
- 这些发现在独立验证队列中是一致的,证实了模型的稳定性.
结论:
- 基于ML的决策支持模型可以准确地分层风险,并确定HCC个性化治疗选择的潜在生存益处.
- 开发的ML模型显示在补充HCC治疗决策的现有指南方面具有临床实用性.
- 个性化,以ML为指导的治疗选择有望改善HCC患者的生存结果.
