食道癌多学科工具:一个共同设计,外部验证的机器学习工具,用于食道癌决策

科学领域:

• 在瘤学中使用人工智能
• 机器学习用于临床决策支持
• 负责任的研究和创新 (RRI)

背景情况:

• 消化管癌 (OC) 多学科团队 (MDTs) 在复杂的决策中面临重大压力.
• 机器学习 (ML) 在负责任地部署时,有可能提高医疗保健的效率,一致性和成本效益.
• 开发了一种基于ML的临床决策支持系统 (CDSS),以帮助OC MDT治疗决策和预测息情景.

研究的目的:

• 开发和外部验证基于ML的CDSS,用于预测OCMDT治疗决策.
• 预测食道癌患者的息情景.
• 使用负责任的研究和创新 (RRI) 原则共同设计CDSS,确保以用户为中心的开发.

主要方法:

• 训练有素的ML模型使用953名OC患者的临床病理数据 (南安普顿大学医院).
• 在牛津大学医院的978名OC患者的外部验证模型中,使用曲线下的面积 (AUC) 评估性能.
• 与17名领域专家一起进行了RRI计划,共同设计了CDSS用户界面和功能.

主要成果:

• 内部验证显示,主要治疗模式 (例如,XGB 0.909 ± 0.044) 和息分类器 (例如,XGB 0.815 ± 0.081) 的AUC值很高.
• 外部验证证明了初级治疗模型 (AUCs从0.887到0.894不等) 和息分类器 (AUCs从0.711到0.742) 的强大性能.
• 息生存模型在前12个月内得到了良好的校准;RRI导致了用户友好的修改,如预测解释和视觉辅助.

结论:

• 一个外部验证的,负责任地开发的AI CDSS可以预测OC MDT决策和缓解结果.
• 这种基于ML的CDSS代表了在OC中实现个性化,一致和高效的MDT决策支持的基本步骤.
• 整合RRI原则确保CDSS与道德考虑和最终用户需求保持一致.