机器学习预测了肝细胞癌患者没有肉类症的移植后肌肉损失

科学领域:

• 肝细胞癌 (HCC) 研究研究
• 移植医学 移植医学
• 医疗保健中的机器学习

背景情况:

• 肝移植是肝细胞癌 (HCC) 的重要治疗方法.
• 移植后的肌肉损失 (sarcopenia) 是HCC患者死亡率和复发的重要风险因素.
• 目前用于预测肌肉损失的方法不足.

研究的目的:

• 开发和验证一种机器学习模型,用于预测HCC患者的移植后肌肉损失.
• 为了确定肝移植后肌肉损失的关键预测因素.
• 改善移植后HCC患者不良结果的早期检测.

主要方法:

• 从接受肝移植的248名HCC患者 (2015-2020) 收集了数据.
• 利用倾向得分匹配和考克斯回归来确认肌肉损失作为复发风险因素.
• 对比了50个机器学习模型,使用递归特征消除来选择最佳的预测特征.

主要成果:

• 卡普兰-梅尔分析显示,基于手术前的肉病状况,预后有显著的差异.
• 术后肌肉损失独立预测了非sarcopenic患者的复发 (HR=2.38,P=0.005).
• 不平衡随机森林模型在非肉类症队列中实现了0.832的AUC.

结论:

• 一个强大的机器学习模型有效地预测肝移植后HCC患者的术后肌肉损失.
• 这种预测工具为早期识别并发症提供了宝贵的资源.
• 该模型支持主动管理策略,以减轻移植受体的不良事件.