开发和验证一种可解释的ML模型,用于预测免疫化学疗法无法切割的ESCC的存活率
1Department of Radiation Oncology, The First Affiliated Hospital of Anhui Medical University, Hefei, People's Republic of China.
Cancer management and research
|November 10, 2025
概括
一个可解释的机器学习模型准确地预测了免疫化学疗法的不可切除食道状细胞癌 (ESCC) 患者的存活率. 该工具通过将患者分成不同的风险组来帮助个性化治疗决策.
科学领域:
- 在瘤学瘤学.
- 人工智能在医学中的应用
- 生物统计学 生物统计学
背景情况:
- 无法切除的食道状细胞癌 (ESCC) 呈现出治疗反应异质性.
- 缺乏强大的预后工具阻碍了ESCC患者接受免疫化疗的个性化治疗.
研究的目的:
- 开发和验证可解释的机器学习 (ML) 模型,用于预测无法切割的ESCC的生存率.
- 启用接受免疫化疗的患者的风险分层.
主要方法:
- 对323名无法切除的ESCC患者进行了回顾性分析,这些患者接受了免疫化学疗法.
- XGBoost算法集成了临床和实验室功能,用于预后建模.
- 沙普利添加式解释 (SHAP) 量化了特征的重要性;外部验证评估了概括性.
主要成果:
- 在强度校准的情况下,ML模型实现了0.794 (内部) 和0.689 (外部) 的AUC.
- 关键预测因素包括瘤反应,年龄,低albuminemia,高血球蛋白emia和高血糖.
- 风险分层确定高风险患者的2年生存率明显较差 (21.3%对58.6%,P<0.001).
结论:
- 一个可解释的ML模型提供了一种数据驱动的方法,用于预测免疫化学疗法的不可切除ESCC患者的存活率.
- 该模型是个性化治疗决策的宝贵工具.
- 建议进行多中心前性试验,以确认临床效用.
