一种可解释的机器学习模型,用于预测结直肠癌彻底切除后的远端器官转移
Lin Weibin1, Ni Weixiang2, Zhou Junwei3
1Department of General Surgery, Dongfang Hospital of Xiamen University, School of Medicine, Xiamen University, 900TH Hospital of Joint Logistics Support Force, Fuzhou, China.
Frontiers in oncology
|March 12, 2026
概括
这项研究开发了一种机器学习模型,用于预测结直肠癌手术后远程转移风险. 可解释的SVM模型准确地识别高风险患者,帮助长期生存策略.
科学领域:
- 在瘤学瘤学.
- 机器学习在医学中的应用
- 外科手术的结果
背景情况:
- 远程器官转移是限制结肠直肠癌 (CRC) 患者手术后长期生存的关键因素.
- 准确预测转移风险对于个性化治疗和改善患者结果至关重要.
研究的目的:
- 开发和验证可解释的机器学习 (ML) 模型,用于预测激进CRC手术后远程转移的5年累积风险.
- 通过特征选择技术识别转移的关键预测因素.
主要方法:
- 341名CRC患者的回顾性队列被分为训练 (n=239) 和验证 (n=102) 组.
- 最小绝对收缩和选择运算符 (LASSO) 回归确定了11个关键特征.
- 使用了支持向量机 (SVM) 和其他算法;SHapley添加式扩展 (SHAP) 增强了解释性.
主要成果:
- 在验证集中,SVM模型取得了高性能,曲线下的面积 (AUC) 为0.865和Brier分数为0.144.
- 校准图和决策曲线分析证实了该模型的强度校准和临床适用性.
- SHAP分析为5年风险预测提供了特征和患者层面的解释.
结论:
- 建立了一个准确和可解释的ML模型,以预测激进CRC手术患者远程转移的5年风险.
- 开发的模型显示了在风险分层和治疗规划方面具有临床实用性的潜力.
- 建议进行进一步的外部验证,以确认该模型的广泛临床适用性.
