基于炎症指标的结肠癌中术后甲时性肝转移风险的综合评估:一个多中心前性研究
Boyu Kang1,2, Yihuan Qiao1,2, Shuai Liu1,2
1Department of Digestive Surgery, The First Affiliated Hospital of Digestive Diseases, Air Force Medical University, Xi'an, China.
International journal of surgery (London, England)
|February 25, 2026
概括
一个新的机器学习模型准确地预测结肠癌患者的肝转移. 这种工具有助于早期检测,以便更好地处理和分配资源.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 医疗信息学 医疗信息学
背景情况:
- 甲时性肝转移是结肠癌管理中的一个重大挑战.
- 现有的模型缺乏全面整合炎症标志物和前性验证.
研究的目的:
- 开发和验证一种机器学习模型,用于预测经结肠癌手术后的甲时性肝转移.
- 整合系统性炎症指标,以提高预测准确度.
主要方法:
- 使用了回顾性和前性队列 (分别为3938名和724名患者).
- 特性选择涉及拉索回归,后勤回归和Boruta随机森林.
- 渐变增强机 (GBM) 被开发和验证,通过使用决策曲线通过AUC,准确性和临床实用性来评估性能.
主要成果:
- GBM模型实现了高性能,在回顾性队列中AUC为0.964,在前性队列中为0.939.
- 该模型整合了18个临床变量和9个免疫-炎症指数.
- 与其他模型相比,决策曲线分析证实了其优越的临床效用.
结论:
- 在结肠癌患者中,GBM模型有效预测了1年的甲时性肝转移风险.
- 未来的验证证实了该模型的稳定性和临床实用性.
- 早期识别使得及时干预和优化医疗资源分配成为可能.
更多相关视频
04:22Application of Laparoscopic Hepatectomy Combined with Intraoperative Microwave Ablation in Colorectal Cancer Liver Metastasis
Published on: March 3, 2023
979
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
953
