在腹腔镜前切除直肠癌后,基于机器学习的老年人永久性静脉切除术的预测

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 手术瘤学手术瘤学

背景情况:

• 从暂时循环静脉切除术 (LI) 转换为永久性静脉切除术 (PS),会对直肠癌患者的生活质量和预后产生负面影响.
• 腹腔镜前切除 (LAR) 后PS风险的预测工具在临床实践中有限.

研究的目的:

• 开发和验证一种机器学习 (ML) 模型,用于预测与LI进行LAR的老年人中的PS风险.
• 确定永久性静脉形成的关键预测因素.

主要方法:

• 对956名老年人 (≥60岁) 的回顾性分析,他们接受了与LI一起的LAR.
• 开发和比较七个ML算法 (LR,SVM,DT,RF,XGBoost,LGBM,NNet) 的使用.
• 使用AUROC,PRAUC和临床效用指标评估模型性能;用于可解释性的SHAP值.

主要成果:

• 发病率为22.4%,其中PS的发病率为22.4%.
• 后勤回归 (LR) 模型显示出最佳性能,AUROC为0.822.
• 通过SHAP分析发现的关键预测因素包括年龄,糖尿病和术后辅助治疗.

结论:

• 基于LR的ML模型证明了强大的区分能力和临床适用性,用于预测LAR后老年患者的PS风险.
• 这种预测工具可以提前识别高风险个体.
• 促进个性化干预,以减轻不良后果并改善患者的预后.