用机器学习算法进行激进囊切除术的膀癌患者的生存预测:回顾性单中心研究
Francesco Andrea Causio1,2, Vittorio De Vita1,2, Andrea Nappi1,3
1Italian Society for Artificial Intelligence in Medicine (SIIAM - Società Italiana Intelligenza Artificiale in Medicina), Rome, Italy.
JMIR perioperative medicine
|February 19, 2026
概括
这项研究开发了一种人工智能模型,用于预测囊切除术后膀癌存活率. 机器学习算法准确预测无疾病生存率,总生存率和死亡原因,帮助个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 传统的统计模型与膀癌存活率预测后囊切除术作斗争.
- 根性囊切除术的转移率很高 (2年内50%).
- 人工智能 (AI) 的整合可以提高预后准确性和治疗个性化.
研究的目的:
- 开发和评估一种机器学习算法,用于预测无疾病生存率 (DFS),总生存率 (OS) 和膀癌患者的死亡原因.
- 利用临床和病理变量的综合数据集进行预测.
- 提高预后准确度,为膀癌患者个性化治疗策略.
主要方法:
- 对370名膀癌患者进行了彻底囊切除术的回顾性分析.
- 使用CatBoost算法进行回归 (DFS,OS) 和二进制分类 (瘤相关死亡).
- 使用平均绝对误差 (MAE) 和F1得分,使用5倍交叉验证和SHAP值进行解释性来评估模型性能.
主要成果:
- CatBoost模型实现了DFS的MAE18.68个月和OS的17.2个月 (在特征过后改进到14.6个月).
- 对于与瘤相关的死亡分类,该模型实现了78.6%的回忆率和0.44 F1分数.
- 关键预测因素包括临床/病理性瘤阶段,全身免疫炎症指数 (SII) 和膀瘤位置.
结论:
- 人工智能模型在预测膀癌患者的存活率和死亡原因方面显示出显著的前景.
- 临床和病理性瘤分期,SII和瘤位置是关键的预测因素.
- 人工智能提供了一个客观的,数据驱动的工具,以提高个性化的预后评估和指导临床决策.
