基于机器学习的模型用于预测食道癌的远程淋巴结转移.
1Department of Surgery, Medical and Health Center, Beijing Friendship Hospital, Capital Medical University, Beijing, China.
Journal of thoracic disease
|October 29, 2025
概括
机器学习模型可以预测食道癌的远程淋巴结转移 (LNM). 梯度增强模型显示出最佳性能,有助于早期诊断和患者管理.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 在食道癌中,远程淋巴结转移 (LNM) 很难检测,并且与不良结果有关.
- 准确预测LNM对于有效的治疗和患者分层至关重要.
研究的目的:
- 开发和评估机器学习模型,用于预测食道癌症中远程LNM.
- 提高诊断准确度,指导个性化治疗策略.
主要方法:
- 利用SEER数据库 (2000-2021) 来获取人口统计和临床病理学数据.
- 构建了七个机器学习模型 (RF,DT,XGBoost,GB,Naïve Bayes,ANN,ADB).
- 使用精度,F1分数,回忆和AUC评估模型性能;在临床队列中得到验证.
主要成果:
- 梯度增强 (GB) 模型实现了最高的精度 (0.929) 和AUC (0.912).
- 瘤阶段,结节阶段,年龄,肝脏和肺转移是关键预测因素.
- 验证显示了高精度 (0.818),回忆 (0.857) 和AUC (0.857).
结论:
- GB模型对于预测食道癌中的LNM是有效的.
- 模型的可解释性有助于识别重要的预测因素.
- 这个工具可以帮助临床医生在早期LNM预测和患者管理.
