مقارنة الأداء التنبؤي لثلاثة أنظمة تدريج للعقدة الليمفاوية في سرطان الخلايا الحلقية للقولون والمستقيم بناء على نموذج التعلم الآلي

- يقيم بحثنا ثلاثة أنظمة تدريج للعقدة الليمفاوية في سرطان الخلايا الحلقية للقولون والمستقيم باستخدام التعلم الآلي ونماذج المخاطر المتنافسة لتحسين دقة التشخيص والتنبؤ بالبقاء على قيد الحياة.

من خلال طرق المعلوماتية ، بما في ذلك التعلم الآلي ، ومقارنة نماذج المخاطر ، وتقدير بقاء كابلان ماير ، يتم استخدامها لتعزيز التنبؤ بالبقاء على قيد الحياة ودقة تصنيف العقدة الليمفاوية.

تمديد فترات المتابعة ، مع المواعدة في مجموعات سكانية متنوعة ، وتحسين مخططات الأسماء التنبؤية واستكشاف السمات الجزيئية لسرطان الخلايا الحلقية للقولون والمستقيم لتعزيز أدوات صنع القرار السريري.

[الراوي] للبدء ، قم بتنزيل وتثبيت SEER. ثم احصل على برنامج الإحصائيات 8.4.3 من موقع قاعدة بيانات SEER. قم بتسجيل الدخول إلى البرنامج وانقر فوق جلسة قائمة الحالات ، متبوعة بالبيانات ، وحدد الحوادث SEER research plus data ، 17 سجلا ، نوفمبر 2022 ، قاعدة بيانات فرعية من 2000 إلى 2020. الآن ، انقر فوق التحديد ، متبوعا بالتحرير واختيار العرق والجنس وسنة التشخيص التي تساوي 2004 حتى 2015. ثم حدد إعادة ترميز الموقع ICD-0-3 WHO 2008. انقر فوق الجدول وفي واجهة المتغيرات المتاحة ، حدد جميع تفاصيل التشخيص المطلوبة. ثم انقر فوق الإخراج. قم بتسمية البيانات وانقر فوق تنفيذ لإخراج البيانات وحفظها. بعد ذلك ، افتح برنامج X-Tile ، وانقر فوق ملف واختر فتح. حدد ملف البيانات لاستيراده إلى البرنامج. بمجرد تحميل البيانات ، قم بتعيين المستشعر المتغير المقابل لحالة البقاء على قيد الحياة ، ووقت البقاء على قيد الحياة في العلامة الأولى كمتغير المراد تحليله ، مما يضمن تطابق البيانات بشكل صحيح. انقر الآن فوق do ، متبوعا ب Kaplan-Meier والعلامة الأولى لإجراء تحليل بقاء Kaplan-Meier وإنشاء منحنى البقاء على قيد الحياة. ثم قم بتعيين ما مجموعه 2,409 من بيانات المرضى المؤهلين بشكل عشوائي مع SRCC إلى مجموعة تدريب رقم 1,686 ، ورقم مجموعة التحقق 723 بنسبة 7-3. استخدم الكود المقدم للتقسيم العشوائي. قم بتنزيل وتثبيت الإصدارات المطلوبة من برنامج RStudio و R. انقر فوق ملف جديد وحدد R Script لإنشاء واجهة برمجة R جديدة. ثم أدخل الكود ذي الصلة في محرر التعليمات البرمجية وانقر فوق تشغيل لتنفيذ الكود. استخدم التعليمات البرمجية المتوفرة لفحص المتغيرات المضمنة في نماذج التعلم الآلي بواسطة تحليل انحدار كوكس. بالإضافة إلى ذلك ، استكشف تأثير التدريج LODDS و LNR و PN على البقاء على قيد الحياة الخاص بالسرطان لدى مرضى SRCC. استخدم الكود لمقارنة قدرات التنبؤ التنبؤي لثلاثة أنظمة للعقدة الليمفاوية ، LODDS و LNR و PN التدريج عبر مجموعات التدريب والتحقق من الصحة والتحقق من الصحة الخارجية. ثم استخدم الكود لإنشاء نموذج XGBoost وإنشاء رسوم بيانية شريطية تمثل الأهمية النسبية للمتغيرات. إنشاء منحنيات مميزة لتشغيل جهاز الاستقبال ومنحنيات معايرة لتقييم أداء أنظمة العقد الليمفاوية الثلاثة. بعد ذلك ، استخدم الكود لإنشاء نموذج غابة عشوائي وإنشاء رسوم بيانية شريطية للأهمية النسبية للمتغيرات. وبالمثل ، قم بإنشاء منحنيات مميزة لتشغيل جهاز الاستقبال ومنحنيات معايرة لتقييم ومقارنة أنظمة العقدة الليمفاوية الثلاثة. باستخدام الكود المناسب ، قم ببناء نموذج شبكة عصبية وإنتاج رسوم بيانية شريطية للأهمية النسبية للمتغيرات. إنشاء خاصية تشغيل جهاز الاستقبال ومنحنيات المعايرة لمقارنة الأداء التنبؤي لأنظمة العقدة الليمفاوية الثلاثة. بعد ذلك ، قم بإجراء تحليل أحادي المتغير ورسم منحنى دالة الحوادث التراكمية باستخدام ملف data.csv. استبدل الموقع بعوامل أخرى لإجراء تحليل أحادي المتغير لكل عامل. للتحليل متعدد المتغيرات ، قم بتطبيق الكود وتصوره باستخدام data1.csv. أخيرا ، ارسم الرسم البياني ، ومنحنى خاصية تشغيل جهاز الاستقبال ، ومنحنى المعايرة. تدريب النموذج باستخدام بيانات من مجموعة التدريب واستخدام بيانات مجموعة التحقق من الصحة والتحقق الخارجي للتحقق من صحة النموذج. استنادا إلى تحليل انحدار كوكس متعدد المتغيرات ، ارتبطت جميع مراحل LNR و LODDS و PN بشكل كبير بالبقاء على قيد الحياة الخاص بالسرطان في مرضى SRCC. أظهر LNR أهمية قصوى في نماذج RF و XGBoost ، بينما كان لدى LODDS أكبر قدرة تنبؤية في نموذج NN ، مما يشير إلى أن LODDS هو نظام LN الأكثر موثوقية بشكل عام. حققت نماذج XGBoost و RF و NN دقة تنبؤية عالية مع قيم AUC تتراوح من 0.777 إلى 0.851 ، ومنحنيات معايرة تتماشى بشكل وثيق مع خط 45 درجة ، مما يؤكد موثوقية النموذج. حدد تحليل نموذج المخاطر المتنافس التدريج T ، والتدريج N ، والتدريج M ، وتصنيف LODDS ، وموقع الورم الأولي كعوامل تنبؤية مستقلة. أظهر الرسم البياني للمخاطر المتنافسة تنبؤات دقيقة للبقاء على قيد الحياة لمدة عام وثلاث وخمس سنوات ، مدعومة بمعايرة جيدة ومنحنيات ROC مع AUCs أعلى من 0.75.