通过机器学习减少对肺癌机器人手术评估中的偏见

科学领域:

• 胸部外科手术 胸部外科手术
• 手术瘤学手术瘤学
• 医疗信息学 医疗信息学

背景情况:

• 机器人辅助手术 (RAS) 在肺癌治疗中提供了精确性,但由于研究偏差,其对90天死亡率的影响受到争论.
• 这项研究解决了RAS与肺癌胸切除术对比分析中的方法偏差.

研究的目的:

• 评估机器人辅助手术 (RAS) 对肺癌患者90天死亡率的影响.
• 用机器学习来改善倾向性得分估计,以减轻对比研究中的选择偏差.

主要方法:

• 利用法国国家医院数据库 (PMSI) 进行肺癌切除 (2019-2023).
• 比较后勤回归,随机森林,梯度提升机 (GBM) 和XGBoost用于倾向得分估计.
• 应用倾向性得分权重和匹配,然后进行死亡率分析的后勤回归.

主要成果:

• 包括30988名患者;18.5%接受了RAS.
• 在倾向性得分估计方面,XGBoost表现优异 (AUC ROC:0.9984).
• RAS与90天死亡率显著降低有关 (OR=0.39与加权,OR=0.58与匹配).

结论:

• 机器学习有效地减少了选择偏差,并控制了RAS结果分析中的混因素.
• 研究结果表明,RAS比肺癌胸切除术具有显著的生存益处.
• 需要进一步的研究来证实机器人手术的长期益处.