基于人工智能的个人化瘤结果预测模型,用于激进脏切除术后的上泌尿道尿癌:一个开发和多中心验证模型

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 上泌尿道泌尿道癌 (UTUC) 提出了治疗方面的挑战.
• 激进脏切除术 (RNU) 是UTUC的标准治疗方法.
• 准确的结果预测对于个性化患者管理至关重要.

研究的目的:

• 开发和验证基于人工智能 (AI) 的模型,用于预测UTUC患者的结果.
• 为了个性化激进脏切除术 (RNU) 后的结果预测.
• 评估模型在多中心环境中的性能.

主要方法:

• 对接受RNU的1,039名UTUC患者 (2010-2020年) 的回顾性分析.
• 使用XGBoost和启动Weibull加速失效时间 (AFT) 模型开发AI模型.
• 在三个医院进行了外部验证,使用了像对应指数和AUC这样的指标.

主要成果:

• 人工智能模型展示了无病生存期 (DFS) 和整体生存期 (OS) 的强大预测性能.
• 在内部和外部验证中,DFS的一致性指数在0.734到0.789之间,OS的一致性指数在0.771到0.819之间.
• 关键预测因素包括手术前的球膜过率,尿液透症,病理N阶段和现场并发性癌症.

结论:

• 基于AI的个性化结果预测对RNU后的UTUC患者有效.
• 开发的模型在不同的临床环境中显示出强大,可泛化的性能.
• 这种人工智能工具可以增强UTUC的个性化治疗策略和患者咨询.