换一批临床及CT机器学习模型预测肝细胞癌患者首次TACE后急性肝功能恶化
Clinical and CT machine learning model for predicting acute liver function deterioration in hepatocellular carcinoma patients after the first time TACE
摘要目的 观察基于治疗前临床及CT特征构建的机器学习(ML)模型预测肝细胞癌(HCC)患者首次TACE后急性肝功能恶化(ALFD)的价值.方法 回顾性收集 320例接受首次TACE的HCC患者,按 4∶1比例划分为训练集(n=256)与测试集(n=64);根据TACE后 2周内临床、实验室及影像学所见评估有无ALFD.以单因素分析比较训练集有、无ALFD患者临床基线资料及TACE前CT所示病灶直径,基于差异有统计学意义的参数分别以 9种ML算法构建ML模型,以测试集验证模型效能并筛选最优模型.于测试集评估最优模型校准度和临床价值,并以SHAP法分析各参数贡献度.结果 训练集76例ALFD、180例非ALFD;测试集18例ALFD、46例非ALFD.9种ML模型中,极限梯度提升(XGBoost)模型在测试集的敏感度、特异度、准确率、曲线下面积、F1值及Kappa值分别为 85.12%、89.34%、88.08%、0.927、0.811及 0.725,为最优模型;其对于测试集的预测概率与实际概率的一致性良好,临床净获益较高;患者年龄、TACE前CT所示病灶直径、谷丙转氨酶、谷草转氨酶及TACE用时对该模型的贡献均较大.结论 基于治疗前临床及CT特征构建的XGBoost模型能有效预测HCC患者首次TACE后ALFD.
更多相关知识
关键词
癌,肝细胞化学栓塞,治疗性机器学习急性肝功能恶化carcinoma,hepatocellularchemoembolization,therapeuticmachine learningacute liver function deterioration
栏目名称
DOI
10.13929/j.issn.1672-8475.2025.03.001
发布时间
2025-04-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河南省科技攻关项目（232102311024）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
