使用机器学习算法预测细胞癌的远程转移:一个多中心队列研究

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 在细胞癌 (RCC) 中远程转移的预测仍然是一个挑战.
• 有限的机器学习 (ML) 研究已经探索了RCC转移的预测模型.

研究的目的:

• 开发和验证用于预测RCC患者远程转移的ML模型.
• 用不同的数据处理技术比较各种ML算法的性能.

主要方法:

• 来自SEER (2004-2015) 和CNCC (2010-2020) 数据库的RCC数据的回顾性分析.
• 应用七个ML算法与五倍交叉验证.
• 使用Python对不完整,完整,上样和下样数据集进行分析.

主要成果:

• 神经网络模型在不完整的数据 (AUC 0.7467±0.0573) 上表现最好.
• 支持矢量机 (SVM) 在完整数据上显示了最高的准确性 (AUC 0.8221±0.0485).
• 极端梯度增强 (XGBoost) 和SVM模型在上方样本 (AUC 0.8162±0.0558) 和下方样本 (AUC 0.8274±0.0546) 数据上表现强.

结论:

• ML算法可以有效地预测RCC患者的远程转移.
• 优化的ML模型显示了在RCC管理中临床应用的巨大潜力.