机器学习模型用于预测直肠癌手术后的高综合并发症指数
Zhen Wang1, Lei Huang2, Liang He1
1Department of Gastrocolorectal Surgery, General Surgery Center, The First Hospital of Jilin University, Changchun, 130021, China.
Updates in surgery
|September 22, 2025
概括
这项研究开发了一种机器学习模型,使用综合复杂性指数 (CCI) 预测直肠癌手术后的高术后并发症. 该模型可以识别高风险患者,从而实现个性化治疗策略和改善患者的治疗结果.
科学领域:
- 手术瘤学手术瘤学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 术后并发症显著影响直肠癌患者的预后.
- 综合性并发症指数 (CCI) 提供了一个比克拉维恩-丁多分类 (CDC) 更敏感的严重并发症指标.
研究的目的:
- 开发和验证机器学习预测模型,用于直肠癌患者的高术后CCI.
- 通过识别患有严重并发症高风险的患者来指导临床实践.
主要方法:
- 在1029名直肠癌患者的数据上利用机器学习算法 (随机森林,LightGBM,后勤回归,天真贝叶斯,XGBoost).
- 包括手术前,手术内,临床病理学和骨盆测量数据.
- 采用沙普利增量解释 (SHAP) 来实现模型的解释性.
主要成果:
- 轻GBM模型表现出最佳性能,AUC为0.746 (训练),0.760 (测试) 和0.709 (验证).
- 高CCI的关键预测因素包括手术时间,脊柱间距离,骨盆深度,年龄,糖尿病和瘤距离.
- 该模型在预测高CCI方面表现出色,其优越的DCA曲线验证了这一点.
结论:
- 在直肠癌前切除后,成功开发了高CCI的强大预测模型.
- 该模型为高风险患者提供了个性化治疗策略,可能改善预后.
- 在线网络工具可用于临床应用.
