通过机器学习开发和验证一个个性化的基于网络的计算器,用于早期肝细胞癌的手术后的侵略性复发,通过机器学习来验证
Zi-Chen Yu1,2, Kai Wang1,2, Wen-Feng Lu3
1General Surgery, Cancer Center, Department of Hepatobiliary & Pancreatic Surgery and Minimally Invasive Surgery, Zhejiang Provincial People's Hospital, Affiliated People's Hospital, Hangzhou Medical College, Hangzhou, 310014, Zhejiang, China.
一个机器学习模型有效地预测了早期肝细胞癌 (HCC) 患者手术后的侵略性复发 (AR). 这种工具有助于个性化治疗策略,以获得更好的患者结果.
科学领域:
- 肝细胞癌研究 肝细胞癌研究
- 机器学习在瘤学中
- 手术预后 手术预后
背景情况:
- 侵略性复发 (AR) 显著影响肝细胞癌 (HCC) 患者手术后的预后.
- 开发AR的预测工具对于改善患者结果至关重要.
研究的目的:
- 建立和评估基于机器学习 (ML) 的视觉计算器,用于预测早期HCC的AR.
- 为了确定与HCC手术后AR相关的关键风险因素.
主要方法:
- 对早期HCC患者的回顾性审查.
- 使用准确度,灵敏度,特异性,F1得分,AUC,校准曲线,DCA和PRC评估ML模型的性能.
- 开发和比较九个不同的ML模型.
主要成果:
- XGBoost模型显示出优异的预测能力,AUC为0.986.
- 确定了9个重要的风险特征,并纳入模型.
- 开发的基于网络的计算器显示出强大的性能和临床适用性.
结论:
- 一个可解释的XGBoost模型是预测早期HCC的AR的可行和有效工具.
- 这种预测模型在量身定制手术策略和优化个性化术后治疗方面具有重大潜力.
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
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
相关概念视频
Cancer Survival Analysis
Combination Therapies and Personalized Medicine
The combination of the drug acetazolamide and sulforaphane is a good example of combination therapy to treat cancer. The cells in the interior of a large tumor often die due to the hypoxic and...
