在使用机器学习进行直肠癌切除后接受预防性口术的患者中,预测半直肠

科学领域:

• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学
• 预测分析是一种预测分析.

背景情况:

• 偏肠 (PSH) 是直肠癌患者的骨术后常见的并发症.
• 目前用于早期PSH风险预测的方法不足.
• 准确的PSH预测对于有效的临床管理至关重要.

研究的目的:

• 评估用于预测PSH发生的机器学习算法.
• 为了支持在进行预防性口腔切除的直肠癌患者的临床决策.

主要方法:

• 对579名患有预防性骨髓切除术的直肠癌患者进行了回顾性分析.
• 使用临床变量进行机器学习模型的开发和培训.
• 沙普利添加式解释 (SHAP) 用于特征重要性分析.

主要成果:

• 在579名患者中,31名 (5.3%) 患有PSH.
• 随机森林 (RF) 模型显示出优异的预测性能 (AUC 0.900).
• 确定了关键预测因素:瘤距离门边缘,BMI和手术前高血压.

结论:

• 机器学习,特别是射频模型,为PSH预测提供了高精度.
• 这种方法促进了个性化风险评估和术后管理.
• 在线预测工具可用于帮助早期查和干预.