在右侧结肠癌患者中,基于机器学习的OMental转移预测模型:一项回顾性多中心研究
Hao Zhang1,2, Songtao Yu2, Jun Xiang2
1Department of Colorectal Cancer Surgery, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, Hangzhou, Zhejiang, China.
International journal of colorectal disease
|November 16, 2025
概括
一个新的机器学习模型使用手术前数据准确预测右侧结肠癌 (RCC) 患者的脑内转移 (OM). 该工具有助于个性化风险分层和治疗决策,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 在右侧结肠癌 (RCC) 中检测口腔转移 (OM) 是当前方法的挑战.
- 机器学习 (ML) 提供先进的模式识别,以提高诊断准确度.
研究的目的:
- 开发和验证一种机器学习模型,用于在RCC患者手术前预测OM.
- 在临床实践中提高OM风险评估的可靠性.
主要方法:
- 一项回顾性多中心研究,涉及1798名RCC患者.
- 六个ML模型 (XGBoost,ANN,LR,RF,SVM,DT) 的开发和比较.
- 使用AUC,精度,灵敏度,特异性,精度,F1得分和DCA进行评估.
主要成果:
- XGBoost (XGB) 模型在训练,测试和验证数据集中表现出卓越的性能.
- 与其他车型相比,XGB实现了最高的AUC值和最佳整体性能指标.
- 术前CEA水平和瘤位置被确定为OM的关键预测因素.
结论:
- 一个基于XGB的ML模型准确地预测RCC患者的OM,使用常规的手术前变量.
- 该模型显示出强大的区分能力和个性化风险分层的临床实用性.
- 这个工具可以帮助RCC患者做出适当的治疗决策.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
633
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
478
