基于网络的可解释的机器学习工具,用于预测治疗切除后结直肠癌在五年内复发的情况:多中心回顾性队列研究
Chi-Sheng Chen1, Tai-Han Lin2, Hsing-Yi Chung2,3
1Department of Pathology, Tri-Service General Hospital, National Defense Medical University, Taipei, Taiwan, ROC.
Discover oncology
|November 4, 2025
概括
一个新的人工智能系统可以在几秒钟内预测结直肠癌复发风险. 这个AI-CDSS工具帮助临床医生做出个性化,基于证据的治疗决策,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 结肠直肠癌是全球癌症死亡的主要原因之一.
- 手术后复发会在5年内影响高达30%的患者.
- 目前的分阶段方法对于个体风险分层缺乏准确性.
研究的目的:
- 开发一个精确的,以患者为中心的结直肠癌决策支持工具.
- 创建一个人工智能临床决策支持系统 (AI-CDSS) 来预测五年复发风险.
主要方法:
- 对1789名接受治疗切除的结直肠癌患者的回顾性分析.
- 在各种患者数据上训练四个基于树的机器学习算法.
- 使用随机森林杂质评分和SHAP进行特征重要性分析.
主要成果:
- 在验证集上,AI-CDSS实现了高性能 (AUC 0.83-0.84).
- 随机森林模型显示了87%的准确性和87%的负预测值.
- 关键的复发预测因素包括瘤负担,生物标志物,治疗强度和宿主因素.
结论:
- AI-CDSS为结直肠癌患者提供快速,个性化的五年复发风险估计.
- 该系统有助于基于证据,以患者为中心的治疗决策.
- 该工具可以通过使用当地人口数据的直观Web界面访问.
更多相关视频
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
468
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
