基于机器学习的淋巴结转移的预测模型,用于早期胃癌和预后的老年患者的淋巴结转移
Huida Zheng1, Qiaoyi Huang2, Jianan Lin1
1Department of Gastrointestinal Surgery, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, 362000, Fujian Province, China.
Updates in surgery
|December 9, 2025
概括
准确预测老年早期胃癌患者的淋巴结转移是具有挑战性的. 一个机器学习模型,特别是随机森林,显示出改善手术前风险评估和治疗规划的希望.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 老年医学 老年医学
背景情况:
- 淋巴结转移 (LNM) 显著影响早期胃癌 (EGC) 治疗,特别是在老年患者 (>65岁).
- 在这个人口群体中准确预测LNM仍然是一个临床挑战.
- 目前对老年EGC患者中LNM预测的研究是有限的.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测老年EGC患者手术前LNM风险.
- 在这个人群中确定LNM的关键预测因素.
- 改善临床决策和患者的治疗结果.
主要方法:
- 利用来自SEER数据库的1578名老年EGC患者 (2010-2020年) 的数据.
- 应用并比较了5个ML算法 (包括随机森林) 来进行LNM预测.
- 使用127名患者的外部数据集验证的模型.
主要成果:
- 10.46%的患者患有LNM;分化等级,T阶段和瘤大小是独立的LNM预测因素.
- 随机森林 (RF) 模型在外部验证中表现出卓越的性能,AUC为0.796.
- 确定了性别,年龄,主要部位,瘤大小,T期,放射治疗和RNE作为整体生存的独立预后因素.
结论:
- 开发的基于射频的ML模型有效地预测了老年EGC患者的手术前LNM风险.
- 这个工具可以帮助临床医生制定个性化治疗策略.
- 改善治疗计划可能会改善患者的预后,并减少医疗负担.
