用可解释机器学习模型预测机器人辅助前列腺切除术后的生化复发
Tianwei Zhang1, Hisamitsu Ide1,2, Jun Lu1
1Department of Urology, Graduate School of Medicine, Juntendo University, Tokyo 113-8421, Japan.
Journal of clinical medicine
|October 16, 2025
概括
机器学习模型可以预测机器人辅助激进前列腺切除术后的生化复发. 轻GBM模型表现出强的表现,识别了关键预测因素,如病态T阶段和积极的外科手术边缘.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 机器人辅助激进前列腺切除术 (RARP) 后,生物化学复发 (BCR) 是一个重大问题.
- 预测BCR有助于个性化治疗策略和患者管理.
研究的目的:
- 开发和评估机器学习 (ML) 模型,用于预测RARP后的BCR.
- 确定有助于BCR预测的关键临床特征.
主要方法:
- 对接受RARP的1125名患者进行了回顾性分析.
- 使用分层采样开发和验证五个ML模型.
- 使用AUC,精度,灵敏度,特异性和F1分数进行性能评估;通过SHAP值进行解释.
主要成果:
- 轻GBM模型表现出最高的预测能力,AUC为0.881.
- 确定的关键预测因素包括病态T阶段,积极的外科边缘,PSA底,初始PSA,活检阳性,精液囊泡入侵,等级组和围神经入侵.
- SHAP值提供了对特征贡献的见解.
结论:
- 经过验证的ML模型有效地预测了RARP后的BCR.
- 采用八个关键变量的LightGBM模型,显示出对BCR预测有前途的性能和临床适用性.
