Name: 基于机器学习模型的 3 个淋巴结分期系统对结直肠印戒细胞癌的预测性能比较 (视频) | JoVE Journal
Uploaded: 2025-04-18T14:00:00.000+00:00
Duration: 7 min 13 s
Description: 了解如何利用机器学习模型和竞争风险分析评估三种淋巴结分期系统在结直肠印戒细胞癌中的预后预测性能，发现阳性淋巴结对数比优于传统pN分期，为临床决策提供可靠的生存预测工具。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Siegel, R. L., Giaquinto, A. N., Jemal, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cancer+statistics%2C+2024%5BTitle%5D)+AND+%22CA+Cancer+J+Clin%22%5BJournal%5D)">Cancer statistics, 2024.</a> CA Cancer J Clin. 74 (1), 12-49 (2024).</li>
<li>Korphaisarn, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Signet+ring+cell+colorectal+cancer%3A+Genomic+insights+into+a+rare+subpopulation+of+colorectal+adenocarcinoma%5BTitle%5D)+AND+%22Br+J+Cancer%22%5BJournal%5D)">Signet ring cell colorectal cancer: Genomic insights into a rare subpopulation of colorectal adenocarcinoma.</a> Br J Cancer. 121 (6), 505-510 (2019).</li>
<li>Willauer, A. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+and+molecular+characterization+of+early-onset+colorectal+cancer%5BTitle%5D)+AND+%22Cancer%22%5BJournal%5D)">Clinical and molecular characterization of early-onset colorectal cancer.</a> Cancer. 125 (12), 2002-2010 (2019).</li>
<li>Watanabe, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+case+of+primary+colonic+signet+ring+cell+carcinoma+in+a+young+man+which+preoperatively+mimicked+Phlebosclerotic+colitis%5BTitle%5D)+AND+%22Acta+Med+Okayama%22%5BJournal%5D)">A case of primary colonic signet ring cell carcinoma in a young man which preoperatively mimicked Phlebosclerotic colitis.</a> Acta Med Okayama. 73 (4), 361-365 (2019).</li>
<li>Kim, H., Kim, B. H., Lee, D., Shin, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genomic+alterations+in+signet+ring+and+mucinous+patterned+colorectal+carcinoma%5BTitle%5D)+AND+%22Pathol+Res+Pract%22%5BJournal%5D)">Genomic alterations in signet ring and mucinous patterned colorectal carcinoma.</a> Pathol Res Pract. 215 (10), 152566(2019).</li>
<li>Deng, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neoadjuvant+radiotherapy+versus+surgery+alone+for+stage+II%2FIII+mid-low+rectal+cancer+with+or+without+high-risk+factors%3A+A+prospective+multicenter+stratified+randomized+trial%5BTitle%5D)+AND+%22Ann+Surg%22%5BJournal%5D)">Neoadjuvant radiotherapy versus surgery alone for stage II/III mid-low rectal cancer with or without high-risk factors: A prospective multicenter stratified randomized trial.</a> Ann Surg. 272 (6), 1060-1069 (2020).</li>
<li>Buk Cardoso, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Machine+learning+for+predicting+survival+of+colorectal+cancer+patients%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">Machine learning for predicting survival of colorectal cancer patients.</a> Sci Rep. 13 (1), 8874(2023).</li>
<li>Monterrubio-Gómez, K., Constantine-Cooke, N., Vallejos, C. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+on+statistical+and+machine+learning+competing+risks+methods%5BTitle%5D)+AND+%22Biom+J%22%5BJournal%5D)">A review on statistical and machine learning competing risks methods.</a> Biom J. 66 (2), e2300060(2024).</li>
<li>Kim, H. J., Choi, G. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+implications+of+lymph+node+metastasis+in+colorectal+cancer%3A+Current+status+and+future+perspectives%5BTitle%5D)+AND+%22Ann+Coloproctol%22%5BJournal%5D)">Clinical implications of lymph node metastasis in colorectal cancer: Current status and future perspectives.</a> Ann Coloproctol. 35 (3), 109-117 (2019).</li>
<li>Xu, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Log+odds+of+positive+lymph+nodes+is+an+excellent+prognostic+factor+for+patients+with+rectal+cancer+after+neoadjuvant+chemoradiotherapy%5BTitle%5D)+AND+%22Ann+Transl+Med%22%5BJournal%5D)">Log odds of positive lymph nodes is an excellent prognostic factor for patients with rectal cancer after neoadjuvant chemoradiotherapy.</a> Ann Transl Med. 9 (8), 637(2021).</li>
<li>Chen, Y. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+performance+of+different+lymph+node+classification+systems+in+young+gastric+cancer%5BTitle%5D)+AND+%22J+Gastrointest+Oncol%22%5BJournal%5D)">Prognostic performance of different lymph node classification systems in young gastric cancer.</a> J Gastrointest Oncol. 12 (4), 285-1300 (2021).</li>
<li>Bouvier, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+many+nodes+must+be+examined+to+accurately+stage+gastric+carcinomas%3F+Results+from+a+population+based+study%5BTitle%5D)+AND+%22Cancer%22%5BJournal%5D)">How many nodes must be examined to accurately stage gastric carcinomas? Results from a population based study.</a> Cancer. 94 (11), 2862-2866 (2002).</li>
<li>Coburn, N. G., Swallow, C. J., Kiss, A., Law, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Significant+regional+variation+in+adequacy+of+lymph+node+assessment+and+survival+in+gastric+cancer%5BTitle%5D)+AND+%22Cancer%22%5BJournal%5D)">Significant regional variation in adequacy of lymph node assessment and survival in gastric cancer.</a> Cancer. 107 (9), 2143-2151 (2006).</li>
<li>Li Destri, G., Di Carlo, I., Scilletta, R., Scilletta, B., Puleo, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Colorectal+cancer+and+lymph+nodes%3A+the+obsession+with+the+number+12%5BTitle%5D)+AND+%22World+J+Gastroenterol%22%5BJournal%5D)">Colorectal cancer and lymph nodes: the obsession with the number 12.</a> World J Gastroenterol. 20 (8), 1951-1960 (2014).</li>
<li>Dinaux, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Outcomes+of+persistent+lymph+node+involvement+after+neoadjuvant+therapy+for+stage+III+rectal+cancer%5BTitle%5D)+AND+%22Surgery%22%5BJournal%5D)">Outcomes of persistent lymph node involvement after neoadjuvant therapy for stage III rectal cancer.</a> Surgery. 163 (4), 784-788 (2018).</li>
<li>Sun, Y., Zhang, Y., Huang, Z., Chi, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognostic+implication+of+negative+lymph+node+count+in+ypN%2B+rectal+cancer+after+neoadjuvant+chemoradiotherapy+and+construction+of+a+prediction+nomogram%5BTitle%5D)+AND+%22J+Gastrointest+Surg%22%5BJournal%5D)">Prognostic implication of negative lymph node count in ypN+ rectal cancer after neoadjuvant chemoradiotherapy and construction of a prediction nomogram.</a> J Gastrointest Surg. 23 (5), 1006-1014 (2019).</li>
<li>Xu, Z., Jing, J., Ma, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+and+validation+of+prognostic+nomogram+based+on+log+odds+of+positive+lymph+nodes+for+patients+with+gastric+signet+ring+cell+carcinoma%5BTitle%5D)+AND+%22Chin+J+Cancer+Res%22%5BJournal%5D)">Development and validation of prognostic nomogram based on log odds of positive lymph nodes for patients with gastric signet ring cell carcinoma.</a> Chin J Cancer Res. 32 (6), 778-793 (2020).</li>
<li>Scarinci, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+impact+of+log+odds+of+positive+lymph+nodes+%28LODDS%29+in+colon+and+rectal+cancer+patient+stratification%3A+a+single-center+analysis+of+323+patients%5BTitle%5D)+AND+%22Updates+Surg%22%5BJournal%5D)">The impact of log odds of positive lymph nodes (LODDS) in colon and rectal cancer patient stratification: a single-center analysis of 323 patients.</a> Updates Surg. 70 (1), 23-31 (2018).</li>
<li>Nitsche, U., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prognosis+of+mucinous+and+signet-ring+cell+colorectal+cancer+in+a+population-based+cohort%5BTitle%5D)+AND+%22J+Cancer+Res+Clin+Oncol%22%5BJournal%5D)">Prognosis of mucinous and signet-ring cell colorectal cancer in a population-based cohort.</a> J Cancer Res Clin Oncol. 142 (11), 2357-2366 (2016).</li>
<li>Kang, H., O'Connell, J. B., Maggard, M. A., Sack, J., Ko, C. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+10-year+outcomes+evaluation+of+mucinous+and+signet-ring+cell+carcinoma+of+the+colon+and+rectum%5BTitle%5D)+AND+%22Dis+Colon+Rectum%22%5BJournal%5D)">A 10-year outcomes evaluation of mucinous and signet-ring cell carcinoma of the colon and rectum.</a> Dis Colon Rectum. 48 (6), 1161-1168 (2005).</li>
<li>Sung, C. O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+significance+of+signet+ring+cells+in+colorectal+mucinous+adenocarcinoma%5BTitle%5D)+AND+%22Mod+Pathol%22%5BJournal%5D)">Clinical significance of signet ring cells in colorectal mucinous adenocarcinoma.</a> Mod Pathol. 21 (12), 1533-1541 (2008).</li>
<li>Alvi, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Molecular+profiling+of+signet+ring+cell+colorectal+cancer+provides+a+strong+rationale+for+genomic+targeted+and+immune+checkpoint+inhibitor+therapies%5BTitle%5D)+AND+%22Br+J+Cancer%22%5BJournal%5D)">Molecular profiling of signet ring cell colorectal cancer provides a strong rationale for genomic targeted and immune checkpoint inhibitor therapies.</a> Br J Cancer. 117 (2), 203-209 (2017).</li>
<li>Brownlee, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evidence+for+overuse+of+medical+services+around+the+world%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">Evidence for overuse of medical services around the world.</a> Lancet. 390 (10090), 156-168 (2017).</li>
</ol>

作者无须披露任何财务利益冲突。

结直肠印戒细胞癌（SRCC）是一种罕见且特殊的结直肠癌亚型，预后较差。因此，需要更加关注SRCC患者的预后情况。准确预测SRCC患者的生存率对于判断其预后并制定个体化治疗决策至关重要。在本研究中，我们探讨了SRCC患者临床特征与预后之间的关系，并从SEER数据库中确定了适用于SRCC患者的最优淋巴结分期系统。据我们所知，这是首次通过综合运用机器学习与竞争风险分析方法确定结直肠SRCC患者适宜的淋巴结分期系统，并构建用于预后预测的列线图的研究。
结直肠癌（CRC）患者转移性淋巴结（LN）的数量是评估预后和复发的重要指标。准确的淋巴结分期在确定印戒细胞癌（SRCC）患者的治疗策略和预后中起关键作用。淋巴结比率（LNR）和阳性淋巴结数的对数比值（LODDS）是用于评估胃癌（GC）淋巴结受累情况的替代方法，可改进分期系统并提供更精确的预后信息10,13。本研究利用SEER数据库，揭示了LODDS、LNR和pN分期与SRCC患者癌症特异性生存（CSS）之间的相关性。通过AUC...

结直肠癌（CRC）是全球第三大最常见的恶性肿瘤1,2,3。印戒细胞癌（SRCC）是CRC的一种罕见亚型，约占病例的1%，其特征是细胞内含有大量黏液，导致细胞核被挤压至一侧1,2,4。SRCC常发生于较年轻的患者，女性发病率较高，且在诊断时多处于晚期肿瘤阶段。与结直肠腺癌相比，SRCC分化程度更差，远处转移风险更高，5年生存率仅为12%–20%5,6。建立准确有效的SRCC预后预测模型，对于优化治疗策略和改善临床结局至关重要。
本研究旨在利用先进的统计方法（包括机器学习（ML）和竞争风险模型）为印戒细胞癌（SRCC）患者构建一个稳健的预后模型。这些方法能够处理临床数据中的复杂关系，提供个体化的风险评估，并在预测准确性方面优于传统方法。机器学习模型（如随机森林、XGBoost和神经网络）在处理高维数据和识别复杂模式方面表现出色。已有研究表明，人工智能模型在结直肠癌生存结局预测中具有显著效果，凸显了机器学习在临床应用中的潜力7,8。与机器学习相辅相成，竞争风险模型可针对多种事件类型（如癌症特异性死亡与其他死因）进行分析，从而优化生存分析。与Kaplan-Meier估计器等传统方法不同，竞争风险模型能够在存在竞争风险的情况下准确估计事件的边际概率，提供更精确的生存评估8。将机器学习与竞争风险分析相结合，可提升预测性能，为SRCC个体化预后工具的开发提供有力框架9,10,11。
淋巴结转移显著影响结直肠癌（CRC）患者的预后和复发。尽管TNM分期系统中的N分期评估至关重要，但淋巴结检出不足——在48%至63%的病例中均有报道——可能导致疾病被低估。为解决这一问题，已提出淋巴结转移率（LNR）和阳性淋巴结对数比（LODDS）等替代方法。LNR是指阳性淋巴结（PLNs）与总淋巴结（TLNs）数量的比值，受TLN数量影响较小，是结直肠癌的预后因素。LODDS是阳性淋巴结与阴性淋巴结（NLNs）数量比值的对数形式，在胃部印戒细胞癌和结直肠癌中均显示出更优的预测能力10,11。机器学习在肿瘤学中的应用日益广泛，相关模型已在多种癌症（包括乳腺癌、前列腺癌和肺癌）中改善了风险分层和预后预测12,13,14。然而，其在结直肠印戒细胞癌中的应用仍较为有限。
本研究旨在通过将阳性淋巴结的对数比（LODDS）与机器学习及竞争风险模型相结合，构建一个全面的预后预测工具。通过评估LODDS的预后价值并利用先进的预测技术，本研究旨在加强临床决策能力，改善SRCC患者的治疗结局。

<table><tbody><tr><td>SEER数据库</td><td>美国国立卫生研究院国家癌症研究所</td><td></td><td></td></tr><tr><td>X-tile 软件</td><td>耶鲁医学院</td><td></td><td></td></tr><tr><td>R-studio</td><td>阳性淋巴结数，淋巴结转移率，log odds of positive lymph nodes，机器学习，竞争风险模型，结直肠印戒细胞癌，癌症特异性生存率，SEER数据库，预后预测，pN分期</td><td></td><td></td></tr></tbody></table>

基于机器学习模型的三种淋巴结分期系统在结直肠印戒细胞癌中的预测性能比较

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

淋巴结状态是患者重要的预后预测指标；然而，结直肠印戒细胞癌（SRCC）的预后研究受到的关注较为有限。本研究结合机器学习模型（随机森林、XGBoost 和神经网络）与竞争风险模型，探讨阳性淋巴结的对数比值（LODDS）、淋巴结比率（LNR）以及 pN 分期在 SRCC 患者中的预后预测能力。相关数据来源于监测、流行病学和最终结果（SEER）数据库。对于机器学习模型，首先通过单变量和多变量 Cox 回归分析确定癌症特异性生存（CSS）的预后因素，随后应用三种机器学习方法——XGBoost、RF 和 NN——以确定最优的淋巴结分期系统。在竞争风险模型中，采用单变量和多变量竞争风险分析识别预后因素，并构建列线图以预测 SRCC 患者的预后。采用受试者工作特征曲线下面积（AUC-ROC）和校准曲线评估模型的预测性能。本研究共纳入 2,409 例 SRCC 患者。为验证模型的有效性，另纳入一个包含 15,122 例非 SRCC 结直肠癌患者的队列进行外部验证。机器学习模型与竞争风险列线图在预测生存结局方面均表现出较强的性能。与 pN 分期相比，LODDS 分期系统展现出更优的预后判断能力。经评估，机器学习模型与竞争风险模型均具有优异的预测性能，表现为良好的区分度、校准度和可解释性。本研究结果可能有助于指导患者的临床决策。

患者特征 
本研究聚焦于结直肠印戒细胞癌（SRCC）患者，数据来源于2004年至2015年期间的SEER数据库。排除标准包括生存时间少于一个月的患者、临床病理信息不完整的患者，以及死亡原因不明确或未指明的病例。共有2409例符合纳入标准的结直肠SRCC患者，被随机分为训练队列（N = 1686）和验证队列（N = 723）。使用R软件对训练队列和验证队列的人口统计学及临床参数进行分析，结果如表1所示。在所有纳入的患者中，大多数年龄超过60岁，男女患者数量相近。大多数患者为白人。超过一半的患者（56%）已婚。大多数肿瘤分级为III-IV级（76%）。大多数患者（82%）的肿瘤大小超过3.5厘米，且多数患者属于LODDS1组（42%）。在整个队列中，接受化疗的患者比例较高（53%）。原发肿瘤主要位于右半结肠（67%）。经随机分组后，两组之间的基线特征在统计学上无显著差异。
机器学习模型中包含的预后临床因素的确定 
我们首先通过Cox回归分析筛选出对机器学习模型具有显著性的变...

本研究利用机器学习模型和竞争风险分析，评估了结直肠印戒细胞癌患者的预后系统。研究发现，与pN分期相比，阳性淋巴结的对数比（LODDS）是更优的预后预测指标，具有良好的预测性能，可通过可靠的生存预测工具辅助临床决策。

淋巴结状态是患者预后的重要预测指标；然而，结直肠印戒细胞癌（SRCC）的预后研究仍较为有限。本研究结合机器学习模型（随机森林、XGBoost 和神经网络）与竞争风险模型，探讨阳性淋巴结的对数比值（LODDS）、淋巴结比率（LNR）和 pN 分期在 SRCC 患者中的预后预测能力。相关数据来源于监测、流行病学和最终结果（SEER）数据库。在机器学习模型中，首先通过单因素和多因素 Cox 回归分析确定癌症特异性生存（CSS）的预后因素，随后应用三种机器学习方法——XGBoost、RF 和 NN——以确定最优的淋巴结分期系统。在竞争风险模型中，采用单因素和多因素竞争风险分析识别预后因素，并构建列线图以预测 SRCC 患者的预后。通过受试者工作特征曲线下面积（AUC-ROC）和校准曲线评估模型性能。本研究共纳入 2,409 例 SRCC 患者。为验证模型的有效性，另纳入一个包含 15,122 例非 SRCC 结直肠癌患者的队列进行外部验证。机器学习模型与竞争风险列线图在预测生存结局方面均表现出较强的性能。与 pN 分期相比，LODDS 分期系统展现出更优的预后判断能力。综合评估显示，机器学习模型与竞争风险模型均具有良好的区分度、校准能力和可解释性，预测性能优异。本研究结果可能有助于指导临床决策。

— 本研究采用机器学习和竞争风险模型，评估了三种淋巴结分期系统在结直肠印戒细胞癌中的应用，以优化预后准确性及生存预测。通过信息学方法，包括机器学习、比较风险模型以及Kaplan-Meier生存估计，用于提高生存预测和淋巴结分类的准确性。延长随访时间，同时在不同人群中进行研究，优化结直肠印戒细胞癌的预后列线图，并探索其分子特征，以增强临床决策工具。[旁白] 首先，下载并安装 SEER 软件。然后从 SEER 数据库网站获取统计软件 8.4.3 版本。登录该软件，点击“病例列表会话”（case list session），接着选择“数据”（data），并选中“SEER 研究数据增强版，17 个注册库，2022 年 11 月发布，2000 至 2020 年数据库”。接下来，点击“筛选”（selection），再点击“编辑”（edit），选择种族、性别、诊断年份为 2004 至 2015 年。然后选择 ICD-0-3 WHO 2008 站点重编码（site recode ICD-0-3 WHO 2008）。点击“表格”（table），在可用变量界面中选择所需的所有诊断信息。然后点击“输出”（output），为数据命名后点击“执行”（execute）以输出并保存数据。接下来，打开 X-Tile 软件，点击“文件”（file）并选择“打开”（open），选中数据文件以导入软件。数据加载完成后，将对应生存状态的变量传感器映射为“生存时间标记 1”（survival time in marker one），作为待分析变量，确保数据正确匹配。然后点击“执行”（do），选择“Kaplan-Meier”和“标记 1”（marker one），进行 Kaplan-Meier 生存分析并生成生存曲线。随后，将总共 2,409 例符合条件的 SRCC 患者数据按 7:3 的比例随机分配至训练队列（1,686 例）和验证队列（723 例）。使用提供的代码进行随机划分。下载并安装相应版本的 RStudio 和 R 软件。点击“新建文件”（new file），选择“R 脚本”（R Script），创建新的 R 编程界面。在代码编辑器中输入相关代码，点击“运行”（run）以执行。使用提供的代码通过 Cox 回归分析筛选纳入机器学习模型的变量。此外，探讨 LODDS、LNR 和 pN 分期对 SRCC 患者癌症特异性生存（CSS）的影响。使用代码比较 LODDS、LNR 和 pN 分期三种淋巴结系统在训练队列、验证队列及外部验证队列中的预后预测能力。接着使用代码构建 XGBoost 模型，并生成表示变量相对重要性的柱状图。生成受试者工作特征曲线（ROC 曲线）和校准曲线，以评估三种淋巴结系统的性能。随后，使用代码构建随机森林（Random Forest, RF）模型，并生成变量相对重要性的柱状图。同样生成 ROC 曲线和校准曲线，用于评估并比较三种淋巴结系统。使用适当的代码构建神经网络（Neural Network, NN）模型，并生成变量相对重要性的柱状图。生成 ROC 曲线和校准曲线，以比较三种淋巴结系统的预测性能。然后，使用 data.csv 文件进行单因素分析，并绘制累积发生率函数曲线。将“site”替换为其他因素，对每个因素分别进行单因素分析。对于多因素分析，应用代码并使用 data1.csv 进行可视化。最后，绘制列线图（nomogram）、ROC 曲线和校准曲线。使用训练队列的数据训练模型，并利用验证队列和外部验证队列的数据对模型进行验证。根据多因素 Cox 回归分析，LNR、LODDS 和 pN 分期均与 SRCC 患者的癌症特异性生存显著相关。在 RF 和 XGBoost 模型中，LNR 显示出最高的重要性，而在 NN 模型中，LODDS 具有最强的预测能力，提示 LODDS 是总体上最可靠的淋巴结分期系统。XGBoost、RF 和 NN 模型均实现了较高的预测准确性，AUC 值介于 0.777 至 0.851 之间，校准曲线与 45 度线高度吻合，证实了模型的可靠性。竞争风险模型分析确定 T 分期、N 分期、M 分期、LODDS 分类及原发肿瘤位置为独立的预后因素。竞争风险列线图在 1 年、3 年和 5 年癌症特异性生存预测方面表现出较高的准确性，其校准曲线和 ROC 曲线吻合良好，AUC 值均超过 0.75。

comparison-predictive-performance-three-lymph-node-staging-systems

Research

科研

JoVE Journal

Medicine

医学

基于机器学习模型的 3 个淋巴结分期系统对结直肠印戒细胞癌的预测性能比较

对于无法接受手术切除的肝细胞癌患者，经动脉治疗是标准护理方案。本文提出了一种预测此类治疗反应的方法。该技术利用治疗前的临床、人口统计学和影像学信息，训练机器学习模型，以在治疗前预测治疗反应。...

利用机器学习预测影像引导治疗的疗效反应：以肝细胞癌经动脉治疗为例

本方案旨在训练一种机器学习算法，在乳腺癌骨转移的大鼠模型中，利用磁共振成像（MRI）和正电子发射断层扫描/计算机断层扫描（PET/CT）获得的多种成像参数组合，以检测早期转移性疾病，并预测其后续进展为大转移灶的情况。...

用于实验大鼠模型中骨转移早期检测的机器学习算法

本文介绍了一种制备和培养血脑屏障转移性肿瘤微环境的实验方案，并利用共聚焦成像和人工智能（机器学习）对其状态进行定量分析。...

利用器官芯片三维模型、机器学习与共聚焦层析技术定量分析脑转移肿瘤微环境

该研究发现，在多原发结直肠癌（MPCC）患者术后，男性性别、肿瘤分级差以及较晚的肿瘤-淋巴结-转移分期与较差的癌症特异性生存率（CSS）相关。我们建立了一个列线图，用于预测MPCC患者的CSS，以辅助临床治疗决策。...

用于预测术后多原发结直肠癌患者癌症特异性生存的竞争风险列线图

荧光成像是一种在肿瘤外科手术中具有前景的创新性影像引导手术技术。本视频中，我们介绍了在妇科肿瘤学领域应用荧光成像技术检测前哨淋巴结的技术操作流程。该方法采用多光谱荧光相机系统，并结合荧光造影剂吲哚菁绿（indocyanine...

妇科肿瘤术中前哨淋巴结多光谱实时荧光成像检测

本文全面概述了构建口腔癌小鼠模型的技术，以及通过多光子显微镜对标记细胞进行舌内肿瘤侵袭的定量监测方法。该系统可作为评估抗侵袭性化合物分子机制及药物疗效的有用平台。...

多光子成像技术在口腔鳞状细胞癌原位小鼠模型中对肿瘤细胞侵袭的观察

我们正在利用扫描束数字X射线系统开发一种动态自适应曝光技术。该技术并非对物体进行均匀曝光，而是根据物体的不透光性自适应调整曝光参数。本文展示了一项在仿人模型上开展的实验，结果显示剂量节省达到30%。...

通过荧光成像中的自适应曝光降低X射线剂量

本文描述了一种未分化甲状腺癌异种移植小鼠模型的建立方法。该技术通过将人源未分化甲状腺癌细胞手术植入免疫缺陷小鼠的甲状腺内，从而构建出更贴近临床实际的疾病模型，可用于研究疾病进展以及筛选创新的治疗干预手段。...

一种未分化甲状腺癌的原位小鼠模型

体外成球实验常用于鉴定肿瘤干细胞。本文比较了基于单细胞与多细胞的成球实验方法。基于单细胞的实验方法或添加甲基纤维素的方法虽然更为耗时，但结果更为准确；而在液体培养基中进行的基于多细胞的成球实验则可能受到细胞密度的显著影响。...

利用多细胞和单细胞成球实验评估人卵巢癌细胞中的干细胞特性

本文介绍了一种用于供体肝脏移植物的含氧ex...

离体 供体肝脏的常温机械灌注

了解如何利用机器学习模型和竞争风险分析评估三种淋巴结分期系统在结直肠印戒细胞癌中的预后预测性能，发现阳性淋巴结对数比优于传统pN分期，为临床决策提供可靠的生存预测工具。

基于机器学习模型的三种淋巴结分期系统在结直肠印戒细胞癌中的预测性能比较

探索更多视频