在EMR之后,基于机器学习的结直肠腺瘤息肉短期复发的预测:模型开发和验证研究
Yao Liu1, Congcong Cheng2, Wenling Li2
1Department of Gastroenterology, The Affiliated Hospital of Xuzhou Medical University, 99 West Huaihai Road, Xuzhou 221002 Jiangsu Province, China.
International journal of medical informatics
|October 30, 2025
概括
这项研究开发了一种机器学习模型,用于预测内镜粘膜切除 (EMR) 后腺瘤多的复发. 该模型准确识别高风险患者,帮助制定个性化后续策略.
科学领域:
- 胃肠病学和肝病学
- 医疗信息学 医疗信息学
- 在瘤学瘤学.
背景情况:
- 腺瘤多体是结直肠癌的前体.
- 内镜粘膜切除 (EMR) 是对结直肠多的常见治疗方法.
- 预测EMR后的息肉复发对于有效的患者管理至关重要.
研究的目的:
- 开发和验证一个预测模型,用于在EMR后1年腺瘤多复发的预测模型.
- 识别与多复发相关的关键风险因素.
- 为了利用机器学习来改善在多监测中的临床决策.
主要方法:
- 针对结直肠多体进行首次EMR的患者进行了回顾性队列研究.
- 数据集分为培训,内部和外部验证集.
- 使用后勤回归,随机森林,SVM,GBM和XGBoost用于模型开发.
- 最小绝对收缩和选择运算符 (LASSO) 回归用于特征选择.
- 使用ROC曲线,校准曲线和决策曲线分析 (DCA) 评估模型性能.
- 沙普利添加式解释 (SHAP) 用于特征重要性解释.
主要成果:
- 使用LASSO回归,确定了10个预测变量.
- 梯度增强机 (GBM) 模型展示了最高的预测性能.
- GBM的AUC达到0.824 (测试),0.793 (内部验证) 和0.800 (外部验证).
- 校准曲线证实了预测和观察到的复发率之间的良好一致.
- 决策曲线分析表明,通过各种值,临床效用令人满意.
结论:
- 一个基于机器学习的模型有效地预测了EMR后的短期腺瘤多复发.
- 开发的模型可以帮助临床医生为个别患者量身定制监测策略.
- 这种方法支持个性化医疗在结直肠多瘤管理.
