开发和验证一种机器学习模型,以预测胃癌激进胃切除术后的术后并发症
Zhenmeng Lin1, Mingfang Yan2, Hai Chen3
1Department of Gastrointestinal Surgery, Clinical Oncology School of Fujian Medical University and Fujian Cancer Hospital, Fuzhou, China.
Frontiers in oncology
|September 24, 2025
概括
开发了机器学习模型和动态名图,以预测胃癌手术后的术后并发症. 随机森林模型和名图准确地识别高风险患者进行个性化干预.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 手术瘤学手术瘤学
背景情况:
- 术后并发症对经过激进胃切除术的胃癌患者的康复和预后产生重大影响.
- 准确预测这些并发症对于优化患者的治疗结果至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测激进胃切除术后的术后并发症.
- 构建一个临床上适用的动态名录,用于风险分层和个性化干预.
主要方法:
- 对1486名 (培训) 和498名 (验证) 进行激进胃切除术的患者进行了回顾性分析.
- 使用拉索回归,博鲁塔算法和递归特征消除 (RFE) 的特征选择.
- 六个ML模型的开发和评估:TreeBagger,随机森林,SVM,XGBoost,GNB和ANN,以及随后的名ogram构建.
主要成果:
- 随机森林 (RF) 模型在两个队列中都显示出卓越的性能.
- 确定了独立的风险因素:年龄,BMI,糖尿病,ASA等级,手术时间和手术方法.
- 动态名图实现了0.805 (训练) 和0.856 (验证) 的AUC,证明了可靠的预测能力.
结论:
- 射频模型提供最佳的预测准确性,而可解释的名图则提供可比较的歧视和临床实用性.
- 这两种工具都能提前识别高风险患者,促进个性化干预,以改善术后康复.
