基于机器学习的肝细胞癌生存预测模型的构建和验证
Qiyang Zhao1, Ying Zhang1, Qun Xi2
1School of Medical Information Engineering, Gansu University of Chinese Medicine, No. 35, Dingxi East Road, Chengguan District, Lanzhou City, Gansu Province, China.
Medical & biological engineering & computing
|November 3, 2025
概括
机器学习增强了肝细胞癌 (HCC) 的生存预测. 综合模型结合了深度学习和传统方法,为个性化HCC治疗提供了卓越的准确性.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 机器学习 机器学习
背景情况:
- 肝细胞癌 (HCC) 是癌症死亡的主要原因.
- 准确的生存预测对于个性化HCC治疗至关重要.
- 像考克斯回归这样的传统模型对复杂数据有局限性.
研究的目的:
- 研究机器学习,以改善HCC生存预测.
- 通过自我注意和残余网络增强深度学习模型 (DeepSurv,DeepHit).
- 开发一个集体模型,以获得卓越的预测性能.
主要方法:
- 使用了来自SEER和TCGA数据库的HCC患者数据.
- 在深度学习架构中引入了自我注意和残余网络模块.
- 开发了一个集体模型,集成了深度学习,考克斯模型和随机生存森林.
主要成果:
- 组合模型在9个月内实现了0.872的C指数和0.149的Brier得分.
- 与单个模型相比,证明了更高的预测准确性和可靠性.
- 模型改进和整体方法在生存分析中的新应用.
结论:
- 集体学习模型对精确的HCC生存预测有显著的前景.
- 改进的深度学习架构增强了功能依赖性捕获和训练稳定性.
- 研究结果支持使用先进的整体模型来个性化HCC治疗策略.
更多相关视频
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
5.9K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
482
