构建一个机器学习模型来预测胰腺头癌的早期术后复发,该模型基于一种新的炎症因子复合指数
Chengkai Yang1,2,3,4,5,6, Miaoyan Wei1,2,4,5,6, Qingcai Meng1,2,4,5,6
1Department of Pancreatic Surgery, Fudan University Shanghai Cancer Center, Shanghai, 200032, China.
BMC cancer
|December 30, 2025
概括
一个新的机器学习模型使用炎症指数预测早期胰腺头癌复发. 该工具有助于针对胰腺头癌患者进行个性化的术后管理.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 胰腺头癌 (PHC) 的早期复发显著影响患者的预后.
- 开发早期复发的准确预测模型对于有效的治疗策略至关重要.
研究的目的:
- 开发和验证基于机器学习 (ML) 的模型,用于预测PHC患者的早期复发.
- 将一个新的炎症复合指数纳入预测模型.
主要方法:
- 对526名经过胰腺双管切除术的PHC患者的回顾性分析.
- 开发和评估十个ML模型,包括随机森林 (RF),使用手术前的临床,实验室和病理学数据.
- 模型性能使用AUC,DCA,校准和精度回忆曲线进行评估,并使用SHAP进行解释.
主要成果:
- 在526名患者中,有164名患者 (31.2%) 在一年内出现复发或转移.
- 射频模型实现了高性能 (AUC 0.992训练,0.783测试集).
- 确定的主要预测因素包括碳水化合物抗原19-9 (CA199),白蛋白-淋巴细胞指数 (ALI),瘤分化,囊完整性和神经入侵.
结论:
- 一个基于射频的预测模型,结合了新的炎症指数,成功开发和验证了.
- 该模型显示了评估PHC患者早期复发风险的潜力.
- 该模型可能有助于量身定制PHC的个性化术后管理策略.
更多相关视频
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
1.4K
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
470
