
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于机器学习的结直肠癌肝转移患者肝切除术后部位特异性复发及总生存率的基线与动态预测模型研究
《npj Precision Oncology》:Prediction of site-specific recurrence and overall survival for colorectal cancer with liver metastases
【字体: 大 中 小 】 时间:2026年09月23日 来源:npj Precision Oncology 9.9
编辑推荐:
摘要高达70%的结直肠癌肝转移(CRLM)患者在以治愈为目的的肝切除术后会发生复发,然而复发模式在不同解剖部位间存在异质性,目前尚无工具能够动态预测特定部位的复发。我们开发并验证了机器学习模型,用于预测CRLM患者肝切除术后总体生存率及特定部位(肝、肺、淋巴结、腹膜)的复发情
高达70%的结直肠癌肝转移(CRLM)患者在以治愈为目的的肝切除术后会发生复发,然而复发模式在不同解剖部位间存在异质性,目前尚无工具能够动态预测特定部位的复发。我们开发并验证了机器学习模型,用于预测CRLM患者肝切除术后总体生存率及特定部位(肝、肺、淋巴结、腹膜)的复发情况,采用基线预测和动态预测两种框架。在一项回顾性队列研究中,纳入了2000至2024年在约翰霍普金斯医院接受CRLM治愈性肝切除术的730例患者,中位随访时间为10.9年,超过63%的患者出现复发。基于临床、病理和分子特征,采用嵌套交叉验证和Bootstrap乐观性校正方法训练XGBoost模型。基线模型的C指数为0.54–0.67,而纳入随访协变量(包括辅助治疗及其他部位间隔期复发)的动态模型显著提高了区分能力(C指数0.67–0.78;时间依赖AUC 0.68–0.90)。通过Brier评分0.03–0.19确认了模型校准度。这些模型能够在手术时进行风险分层以指导辅助治疗决策,并在随访过程中实时更新特定部位复发风险,为接受治愈性切除的CRLM患者提供个性化随访策略框架。