开发和验证一种机器学习模型,用于预测激进胃切除术后的早期术后并发症

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 手术研究的研究.

背景情况:

• 手术后的并发症是胃癌患者的一个重要问题.
• 开发这些并发症的预测模型对于改善患者康复至关重要.
• 根本性胃切除术是胃癌的常见手术.

研究的目的:

• 开发和验证用于预测早期术后并发症的机器学习模型.
• 利用手术前和手术内数据来对胃癌手术中的风险分层进行分层.
• 为了提高临床决策和激进胃切除术患者的结果.

主要方法:

• 来自926名胃癌患者 (2014-2024) 的临床数据的回顾性收集.
• 十个机器学习算法被用来构建预测模型.
• 用嵌套交叉验证,ROC曲线,决策曲线分析和校准曲线来评估模型性能.

主要成果:

• 14.13%的患者经历了术后并发症.
• 关键的预测特征包括吸烟,营养状况,T阶段,手术时间和新辅助疗法.
• 极端梯度提升模型实现了最高的预测性能 (AUC 0.788) 与优异的校准.

结论:

• 极端渐变增强模型有效预测激进胃切除术后的术后并发症.
• 机器学习模型可以分层风险,帮助胃癌手术的临床决策.
• 这种方法有可能改善患者的治疗结果.