多模式机器学习模型可以提高肝脏内胆管癌的预测结果

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 医学成像分析 医学成像分析

背景情况:

• 内肝胆管癌 (iCCA) 是一种复杂的癌症,治疗选择有限.
• 整合iCCA治疗的不同类型的数据仍然是一个挑战.

研究的目的:

• 开发和评估用于预测iCCA患者的生存和复发的机器学习模型.
• 从多模式数据中识别关键预测特征.

主要方法:

• 在切除 (N=75) 和未切除 (N=98) 的iCCA队列上进行了嵌套交叉验证.
• 使用了临床,组织学,放射学和测序数据.
• 用多变量分析和沙普利值来识别特征.

主要成果:

• 模型准确预测了整体存活率 (OS) 和无进展/无复发存活率 (PFS/RFS),一致性指数高达0.70.
• 跨队列验证实现了0.61.6的一致性指数.
• 确定了包括CA-19-9,ARID1A,瘤球状性,组织学特征,性别,KRAS和灰色不均性在内的关键预测因素.

结论:

• 集成多模式数据的机器学习模型可以预测iCCA患者的结果.
• 这些模型中的可解释特征增强了对疾病的理解.
• 这些预测工具可以指导iCCA的个性化治疗策略.