Модель искусственного интеллекта точно прогнозирует результаты лечения пациентов с распространенным раком легких после операции

Недавний Научные отчеты В исследовании обсуждается разработка прогностической модели искусственного интеллекта (ИИ) для хирургически резецированного немелкоклеточного рака легкого (НМРЛ).

Изучать: Разработка прогностической модели искусственного интеллекта при хирургически резецированном немелкоклеточном раке легкого. Изображение предоставлено: poylock19 / Shutterstock.com

Фон

НМРЛ является наиболее распространенным типом рака легких во всем мире и обычно лечится хирургической резекцией с последующей химиотерапией и лучевой терапией. Хотя прогноз пациента после операции по поводу НМРЛ определяется на основании стадии опухоли по классификации TNM, этот прогноз не всегда соответствует фактической ситуации. Таким образом, сохраняется острая потребность в более совершенных прогностических инструментах, позволяющих точно предсказать прогноз пациента и сформулировать более эффективные стратегии лечения.

Были идентифицированы многочисленные прогностические факторы послеоперационного прогноза, связанные с НМРЛ, включая гериатрический индекс нутритивного риска, прогностическую шкалу Глазго, соотношение нейтрофилов/лимфоцитов, соотношение С-реактивного белка (СРБ)/альбумина, прогностический индекс питания, соотношение тромбоцитов/лимфоцитов и моноцитов. /лимфоцитов. На сегодняшний день лишь немногие исследования описали важность результатов анализа крови в прогнозе НМРЛ.

Предыдущие исследования подчеркнули важность ИИ в медицине, о чем свидетельствует недавнее применение ИИ для ранней диагностики рака легких. Модели на основе искусственного интеллекта также были разработаны для прогнозирования терапевтического эффекта. эффективность химиотерапия.

Об исследовании

В текущем исследовании обсуждается разработка прогностической модели искусственного интеллекта для НМРЛ с использованием машинного обучения (МО). Эта модель использовала для своих прогнозов результаты предоперационных и послеоперационных анализов крови.

В исследование были включены 1049 пациентов с патологической стадией (p-стадии) НМРЛ I-IIIA, перенесших операцию в период с января 2003 г. по декабрь 2016 г. Средний возраст участников операции составил 69 лет, около 58% из них были мужчины.

Клиническая информация о пациенте и данные последующего наблюдения были получены из системы электронных медицинских карт. Некоторыми из рассматриваемых клинико-патологических характеристик были возраст на момент операции, индекс массы тела (ИМТ), пол, история курения, форсированная жизненная емкость легких (ФЖЕЛ), объем форсированного выдоха за одну секунду (ОФВ1,0), хирургическая процедура, гистологический тип и адъювант. химиотерапия.

Оценивали данные предоперационного и послеоперационного анализа крови. Раково-эмбриональный антиген (CEA) и фрагменты цитокератина-19 (CYFRA) также были проанализированы за трехмесячный период до операции.

В качестве алгоритма для этой прогностической модели ИИ была выбрана модель XGBoost, не требующая принятия решений. XGBoost имеет преимущество по сравнению с другими инструментами искусственного интеллекта благодаря своей способности напрямую использовать пропущенные значения в качестве информации.

Результаты исследования

Большинству участников исследования была выполнена лобэктомия с последующей клиновидной резекцией, сегментэктомией, билобэктомией и пневмонэктомией. Кроме того, у большинства пациентов был диагностирован НМРЛ p-стадии IA.

Кривая Каплана-Мейера предоставила информацию о показателях безрецидивной выживаемости (DFS), общей выживаемости (OS) и онкологической выживаемости (CSS) для всей когорты в соответствии с p-стадией. Через 5,06 года количество событий OS, DFS и CSS составило 214, 214 и 123 соответственно.

Недавно разработанная прогностическая модель искусственного интеллекта использовала зависящие от времени кривые рабочих характеристик приемника (ROC) и значения площади под кривой (AUC) для прогнозирования DFS, OS и CSS, все из которых были связаны с хорошей точностью прогнозирования. Примечательно, что прогнозируемая вероятность исходов через пять лет после операции была очень точной.

Точность прогноза для пятилетних DFS, OS и CSS отражалась значениями AUC 0,890, 0,926 и 0,960 соответственно. Эта точность прогнозирования была сопоставима с уровнями точности предыдущих моделей.

Гистологический анализ показал, что 81,5% пациентов были связаны с карциноидами. Однако были обнаружены многие другие гистологические типы, в том числе плоскоклеточный рак, микропапиллярная/солидная преобладающая аденокарцинома, лепидная преобладающая аденокарцинома, ацинарно-папиллярная преобладающая аденокарцинома и крупноклеточная нейроэндокринная карцинома в различном процентном соотношении.

Было обнаружено, что гистологический тип является одним из наиболее важных факторов прогноза в этой модели ИИ. Прогнозы аденосквамозного, плеоморфного и крупноклеточного нейроэндокринного рака были худшими по сравнению с другими гистологическими типами. Таким образом, более детальный анализ гистологического типа позволит повысить точность прогноза.

CEA, CYFRA, факторы, связанные со свертыванием крови, и индексы иммунопитания значительно способствовали прогнозу пациентов. Интересно, что факторы, отражающие функцию печени и почек, включая креатинин, азот мочевины и аспартатаминотрансферазу, также вносят вклад в прогноз НМРЛ.

Выводы

Текущее исследование имеет некоторые ограничения, включая рассмотрение участников из одного учреждения. В будущем для подтверждения этих выводов потребуется аналогичное исследование с использованием данных нескольких когорт из разных учреждений.

Еще одним ограничением этого исследования является то, что формулу, использованную в модели XGBoost, было трудно проверить. Однако для подтверждения точности прогноза была выполнена бутстреп-проверка.

Несмотря на эти ограничения, текущее исследование продемонстрировало, что использование большого количества результатов анализов крови является многообещающим подходом для точного прогноза НМРЛ. Недавно разработанная прогностическая модель AI была связана с хорошей точностью прогнозирования послеоперационного прогноза для хирургически удаленного НМРЛ.