开发一种基于机器学习的模型,用于预测胃癌的术后生存率
Ya-Na Lü1, Dong Liu1, Shuai Tao1
1School of Information Engineering, Dalian University, Dalian 116622, Liaoning Province, China.
World journal of gastrointestinal surgery
|March 11, 2026
概括
这项研究开发了一种可解释的机器学习模型,用于预测胃癌患者的3年生存率. 该模型使用了一种新的数据归算方法和一个在线工具,用于更好的临床决策.
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:
- 准确的术后生存预测对于个性化胃癌管理至关重要.
- 不完整的临床数据和不良的模型解释性阻碍了当前的预测工具.
- 缺乏实际应用限制了现有模型的临床实用性.
研究的目的:
- 开发一种可解释的机器学习模型,用于预测胃癌手术患者的3年生存率.
- 引入一种新的数据归算方法来处理缺少的临床数据.
- 创建一个用户友好的在线工具,以帮助临床决策.
主要方法:
- 对304名胃腺癌患者的回顾性分析.
- 开发和比较混合归算方法 (HDI-MF-Gower) 与传统技术.
- 使用LASSO回归和Boruta算法识别预后因素,随后对10个机器学习模型进行培训和验证.
主要成果:
- HDI-MF-Gower方法在数据归算方面显示出卓越的准确性.
- 为最终的预测模型确定了七个关键的预测特征.
- 额外树木分类器在验证集上获得了0.853的AUC和0.772的准确性.
结论:
- 成功开发了一个强大的,可解释的预测模型,并进行了先进的数据归算.
- 在线预测工具增强了胃癌的个性化预后评估.
- 该模型显示了改善胃癌护理个性化治疗规划的潜力.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
842
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
979
