In dieser Studie werden prognostische Systeme für Patienten mit kolorektalem Siegelringzellkarzinom unter Verwendung von Modellen des maschinellen Lernens und konkurrierenden Risikoanalysen evaluiert. Es identifiziert die logarithmische Wahrscheinlichkeit positiver Lymphknoten als überlegenen Prädiktor im Vergleich zum pN-Staging, zeigt eine starke Vorhersageleistung und unterstützt die klinische Entscheidungsfindung durch robuste Überlebensvorhersagewerkzeuge.
Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Methodenartikel
Vergleich der prädiktiven Leistung von drei Lymphknoten-Staging-Systemen beim kolorektalen Siegelringzellkarzinom auf Basis eines maschinellen Lernmodells
* These authors contributed equally
In diesem Artikel
Zusammenfassung
Zusammenfassung
Der Lymphknotenstatus ist ein kritischer prognostischer Prädiktor für Patienten; Die Prognose des kolorektalen Siegelringzellkarzinoms (SRCC) hat jedoch nur wenig Aufmerksamkeit erhalten. In dieser Studie wird die prognostische Vorhersagefähigkeit der logarithmischen Wahrscheinlichkeiten positiver Lymphknoten (LODDS), des Lymphknotenverhältnisses (LNR) und des pN-Stagings bei SRCC-Patienten unter Verwendung von maschinellen Lernmodellen (Random Forest, XGBoost und Neural Network) neben konkurrierenden Risikomodellen untersucht. Relevante Daten wurden aus der Datenbank Surveillance, Epidemiology, and End Results (SEER) extrahiert. Für die Modelle des maschinellen Lernens wurden prognostische Faktoren für das krebsspezifische Überleben (CSS) durch univariate und multivariate Cox-Regressionsanalysen identifiziert, gefolgt von der Anwendung von drei Methoden des maschinellen Lernens - XGBoost, RF und NN -, um das optimale Lymphknoten-Staging-System zu ermitteln. Im konkurrierenden Risikomodell wurden univariate und multivariate konkurrierende Risikoanalysen verwendet, um prognostische Faktoren zu identifizieren, und ein Nomogramm wurde erstellt, um die Prognose von SRCC-Patienten vorherzusagen. Die Fläche unter der Betriebskennlinie des Empfängers (AUC-ROC) und die Kalibrierungskurven wurden verwendet, um die Leistung des Modells zu bewerten. Insgesamt wurden 2.409 SRCC-Patienten in diese Studie eingeschlossen. Um die Wirksamkeit des Modells zu validieren, wurde eine zusätzliche Kohorte von 15.122 Darmkrebspatienten, ohne SRCC-Fälle, für die externe Validierung eingeschlossen. Sowohl die Modelle des maschinellen Lernens als auch das konkurrierende Risikonomogramm zeigten eine starke Leistung bei der Vorhersage von Überlebensergebnissen. Im Vergleich zum pN-Staging zeigten die LODDS-Staging-Systeme eine überlegene prognostische Fähigkeit. Bei der Evaluierung erreichten Modelle des maschinellen Lernens und konkurrierende Risikomodelle eine hervorragende Vorhersageleistung, die sich durch eine gute Unterscheidung, Kalibrierung und Interpretierbarkeit auszeichnete. Unsere Ergebnisse können dazu beitragen, die klinische Entscheidungsfindung für Patienten zu informieren.
Einleitung
Darmkrebs (CRC) ist weltweit der dritthäufigste bösartige Tumor 1,2,3. Das Siegelringzellkarzinom (SRCC), ein seltener Subtyp des Darmkrebses, umfasst etwa 1% der Fälle und zeichnet sich durch reichlich intrazelluläres Muzin aus, das den Zellkern verdrängt 1,2,4. SRCC ist oft mit jüngeren Patienten assoziiert, hat eine höhere Prävalenz bei Frauen und hat bei der Diagnose fortgeschrittene Tumorstadien. Im Vergleich zum kolorektalen Adenokarzinom zeigt das SRCC eine schlechtere Differenzierung, ein höheres Risiko für Fernmetastasen und eine 5-Jahres-Überlebensrate von nur 12%-20%5,6. Die Entwicklung eines genauen und effektiven Prognosemodells für SRCC ist entscheidend für die Optimierung von Behandlungsstrategien und die Verbesserung der klinischen Ergebnisse.
Diese Studie zielt darauf ab, ein robustes Prognosemodell für SRCC-Patienten unter Verwendung fortschrittlicher statistischer Ansätze, einschließlich maschinellem Lernen (ML) und konkurrierenden Risikomodellen, zu erstellen. Diese Methoden können komplexe Beziehungen in klinischen Daten berücksichtigen, bieten individuelle Risikobewertungen und übertreffen traditionelle Methoden in Bezug auf die Vorhersagegenauigkeit. Modelle für maschinelles Lernen wie Random Forest, XGBoost und neuronale Netze zeichnen sich durch die Verarbeitung hochdimensionaler Daten und die Identifizierung komplizierter Muster aus. Studien haben gezeigt, dass KI-Modelle die Überlebensergebnisse bei Darmkrebs effektiv vorhersagen, was das Potenzial von ML in klinischen Anwendungen unterstreicht 7,8. Ergänzend zu ML berücksichtigen konkurrierende Risikomodelle mehrere Ereignistypen, wie z. B. krebsspezifische Mortalität im Vergleich zu anderen Todesursachen, um die Überlebensanalyse zu verfeinern. Im Gegensatz zu herkömmlichen Methoden wie dem Kaplan-Meier-Schätzer schätzen konkurrierende Risikomodelle die marginale Wahrscheinlichkeit von Ereignissen in Gegenwart konkurrierender Risiken genau ab und ermöglichen so genauere Überlebensbewertungen8. Die Integration von ML und konkurrierender Risikoanalyse verbessert die Vorhersageleistung und bietet ein leistungsstarkes Framework für personalisierte Prognosetools in SRCC 9,10,11.
Lymphknotenmetastasen beeinflussen die Prognose und das Rezidiv bei Darmkrebspatienten maßgeblich. Während die Beurteilung des N-Stadiums in der TNM-Klassifikation kritisch ist, kann eine unzureichende Lymphknotenuntersuchung - die in 48 % bis 63 % der Fälle berichtet wird - zu einer Unterschätzung der Krankheit führen. Um dies zu beheben, wurden alternative Ansätze wie die Lymphknotenzahl (LNR) und die logarithmischen Chancen positiver Lymphknoten (LODDS) eingeführt. LNR, das Verhältnis von positiven Lymphknoten (PLNs) zu Gesamtlymphknoten (TLNs), wird weniger von der TLN-Anzahl beeinflusst und dient als prognostischer Faktor bei Darmkrebs. LODDS, das logarithmische Verhältnis von PLNs zu negativen Lymphknoten (NLNs), hat sowohl bei Magen-SRCC als auch bei Darmkrebs eine überlegene Vorhersagefähigkeit gezeigt10,11. Maschinelles Lernen wird zunehmend in der Onkologie eingesetzt, wobei Modelle die Risikostratifizierung und die prognostischen Vorhersagen bei verschiedenen Krebsarten, einschließlich Brust-, Prostata- und Lungenkrebs, verbessern 12,13,14. Die Anwendung bei kolorektalem SRCC ist jedoch nach wie vor begrenzt.
Diese Studie versucht, diese Lücke zu schließen, indem LODDS mit ML und konkurrierenden Risikomodellen integriert wird, um ein umfassendes Prognosewerkzeug zu schaffen. Durch die Bewertung des prognostischen Wertes von LODDS und den Einsatz fortschrittlicher prädiktiver Techniken zielt diese Forschung darauf ab, die klinische Entscheidungsfindung zu verbessern und die Ergebnisse für SRCC-Patienten zu verbessern.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Protokoll
Diese Studie bezieht sich nicht auf die ethische Zustimmung und Zustimmung zur Teilnahme. Die in dieser Studie verwendeten Daten wurden aus Datenbanken gewonnen. Wir schlossen Patienten ein, bei denen zwischen 2004 und 2015 ein kolorektales Siegelringzellkarzinom diagnostiziert wurde, sowie andere Arten von Darmkrebs. Zu den Ausschlusskriterien gehörten Patienten mit einer Überlebenszeit von weniger als einem Monat, Patienten mit unvollständigen klinisch-pathologischen Informationen und Fälle, in denen die Todesursache unklar oder nicht spezifiziert war.
1. Datenerfassung
- Laden Sie SEER herunter. Laden Sie die Statistiksoftware 8.4.3 von der SEER-Datenbank-Website (http://seer.cancer.gov/about/overview.html) herunter. Nachdem Sie sich bei der Software angemeldet haben, klicken Sie auf Case List Session > Data und wählen Sie die Datenbank Incidence SEER Research Plus Data, 17 Registries, Nov 2021 Sub (2000-2019) aus.
- Klicken Sie auf Auswahl > Bearbeiten und wählen Sie {Rasse, Geschlecht, Jahr Dx. Jahr der Diagnose} = '2004', '2005', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015' UND {Standort und Morphologie. Standort-Rekodierung ICD-O-3/WHO 2008} = '8490/3'.
- Klicken Sie dann auf Tabelle und wählen Sie in der Benutzeroberfläche für verfügbare Variablen die Option Alter neu kodieren mit Einzelalter und 100+, Geschlecht, Ehe, Standort neu kodieren ICD-O-3/WHO 2008, CS Tumorgröße, Regional nodes_examined (1988+), Regional nodes_positive (1988+), Abgeleitete AJCC Stage Group, 6. Auflage (2004-2015), Abgeleitetes AJCC T, 6. Aufl. (2004-2015), Abgeleitetes AJCC N, 6. Aufl. (2004-2015), Abgeleitetes AJCC M, 6. Auflage (2004-2015), CEA, Strahlen-Rekodierung, Chemotherapie-Rekodierung (ja, nein/unk), SEER-ursachenspezifische Todesklassifikation, Rekodierung des Vitalstatus (Studien-Cutoff verwendet), Überlebensmonate, Jahr der Diagnose.
- Klicken Sie abschließend auf Ausgabe, benennen Sie die Daten und klicken Sie auf Ausführen , um die Daten auszugeben und zu speichern. Der detaillierte Einschlussprozess ist in Abbildung 1 dargestellt.
- Laden Sie Daten von Darmkrebspatienten, mit Ausnahme von SRCC-Fällen, für eine spätere externe Validierung herunter. Klicken Sie auf Auswahl > Bearbeiten und wählen Sie {Rasse, Geschlecht, Jahr Dx. Jahr der Diagnose} = '2004', '2005', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015' UND {Primary Site - labeled} = 'C18-C20'. Wiederholen Sie die Schritte 1.3 und 1.4, um klinisch pathologische Informationen zu erhalten und Proben mit {Lokalisation und Morphologie auszuschließen. Site recode ICD-O-3/WHO 2008} = '8490/3' aus der heruntergeladenen Datei.
- Verarbeiten Sie zu Vergleichszwecken mehrere Variablen. Klassifizieren Sie den Lymphknotenstatus sowohl anhand des Lymphknotenverhältnisses (LNR) als auch des Logarithmus der Wahrscheinlichkeit positiver Lymphknoten (LODDS).
- Definieren Sie LNR als das Verhältnis von positiven Lymphknoten (PLNs) zu Gesamtzahl der Lymphknoten (TLNs). Berechnen Sie den LODDS-Wert mit der Formel:
loge(Anzahl der PLNs + 0,5) / (Anzahl der negativen Lymphknoten (NLNs) + 0,5)
wobei 0,5 hinzugefügt wurde, um ein unendliches Ergebnis zu verhindern. Die Cut-off-Werte für LNR, LODDS und Tumorgröße wurden mit der X-Tile-Software (Version 3.6.1) auf Basis der minimalen P-Wert-Methode bestimmt.
- Definieren Sie LNR als das Verhältnis von positiven Lymphknoten (PLNs) zu Gesamtzahl der Lymphknoten (TLNs). Berechnen Sie den LODDS-Wert mit der Formel:
- Öffnen Sie die X-Tile-Software, klicken Sie auf Datei > Öffnen und wählen Sie die Datendatei aus, um sie in die Software zu importieren. Sobald die Daten geladen sind, ordnen Sie die Variablen zu: Zensor entspricht dem Überlebensstatus, die Überlebenszeit entspricht der Überlebenszeit und marker1 ist die zu analysierende Variable, um sicherzustellen, dass die Daten korrekt übereinstimmen.
- Klicken Sie dann auf Do > Kaplan-Meier > Marker1 , um die Kaplan-Meier-Überlebensanalyse durchzuführen und die Überlebenskurve zu generieren. Basierend auf der Trennung der Kaplan-Meier-Überlebenskurven, der statistischen Signifikanz (z.B. p-Wert) und der klinischen Relevanz wird der optimale Cut-off-Wert ermittelt und schließlich die Analyseergebnisse aufgezeichnet bzw. exportiert.
- Unterteilen Sie LNR in drei Gruppen: LNR 1 (≤0,16), LNR 2 (0,16 - 0,78) und LNR 3 (≥ 0,78). Kategorisieren Sie die Patienten basierend auf LODDS in drei Gruppen: LODDS 1 (≤ -1,44), LODDS 2 (-1,44 - 0,86) und LODDS 3 (≥ 0,86).
- Klassifizieren Sie die Tumorgröße in drei Kategorien: ≤ 3,5 cm, 3,5 - 5,5 cm und ≥ 5,5 cm. Konvertieren Sie das Alter von einer kontinuierlichen in eine kategoriale Variable. Kategorisieren Sie das Alter der Patienten zum Zeitpunkt der Erstdiagnose als ≥60 Jahre und <60 Jahre. Klassifizieren Sie die Tumorlokalisation basierend auf der Verteilung von Siegelringzellkarzinomen (SRCC) als rechter Dickdarm, linker Dickdarm und Rektum. Der rechte Dickdarm umfasst den Blinddarm, den aufsteigenden Dickdarm, die Leberflexur und den Dickdarm transversal, während der linke Dickdarm die Milzflexur, den absteigenden Dickdarm, den Sigma und den Rektosigmoidübergang umfasst.
- Für diese Studie wurden insgesamt 2409 geeignete Patientendaten mit SRCC nach dem Zufallsprinzip einer Trainingskohorte (N = 1686) und einer Validierungskohorte (N = 723) im Verhältnis 7:3 zugeordnet. Verwenden Sie den folgenden Code für die zufällige Aufteilung, und beziehen Sie data.csv aus der SEER-Datenbank. Die Dateien, die nach der zufälligen Aufteilung generiert werden, werden für die weitere Analyse verwendet.
Bibliothek(Einfügezeichen)
Daten <- read.csv("data.csv")
set.seed(123)
train_indices <- createDataPartition(data$variable, p = 0,7, list = FALSE)
train_data <- Daten[train_indices, ]
test_data <- Daten[-train_indices, ]
write.csv(train_data, "traindata.csv", row.names = FALSCH)
write.csv(test_data, "testdata.csv", row.names = FALSCH)
2. Entwicklung und Verifizierung von ML-Modellen
- Laden Sie RStudio (2024.04.2+764) und R Software (4.4.1) herunter. Öffnen Sie RStudio, um die R-Software auszuführen. Klicken Sie auf Neue Datei und wählen Sie R-Skript aus, um eine neue R-Programmierschnittstelle zu erstellen. Geben Sie den entsprechenden Code in den Code-Editor ein und klicken Sie auf Ausführen , um den Code auszuführen.
- Verwenden Sie den folgenden Code, um die Variablen zu überprüfen, die in den ML-Modellen durch die Cox-Regressionsanalyse enthalten sind. Untersuchen Sie außerdem die Auswirkungen von LODDS-, LNR- und pN-Staging auf das krebsspezifische Überleben (CSS) bei SRCC-Patienten. Der traindata.csv sind Daten, die aus der SEER-Datenbank abgerufen werden.
Bibliothek("Überleben")
Bibliothek ("Survminer")
Bibliothek("rms")
Bibliothek("dplyr")
Daten <- read.csv("traindata.csv")
data$time=as.numeric(data$time)
data$status=as.numeric(daten$status)
Variablen <- c("Geschlecht", "Alter", "Rasse", "Ehe", "Phase", "T", "N", "M", "Tumor_size", "LNR", "LODDS", "CEA", "Bestrahlung", "Chemotherapie", "Standort")
Daten <- Daten %>%
mutate(across(all_of(Variablen), as.factor))
cox=coxph(Surv(Zeit, Status) ~ Daten$T, Daten = Daten)
cox$Koeffizienten
pval=anova(cox)$Pr[2]
clean_data=Daten[,c(1:12, 14:18)]
get_coxVariable=Funktion(your_data,Index){cox_list=c() k=1
for (i in 1:index) {mod=coxph(Surv(Zeit, Status) ~ your_data[,i],data=your_data) pval=anova(mod)$Pr[2] print(pval) print(colnames(your_data)[i]) if (pval<0.05) {cox_list[k]=colnames(your_data)[i] k=k+1}}return(cox_list)}
variable_select=get_coxVariable(clean_data,15)
for(i in 1:15){print(variable_select[i])}
for (var in variable_select) {formula <- as.formula(paste("Surv(Zeit, Status) ~", var))cox_model <- coxph(Formel, Daten = Daten) print(summary(cox_model))
ggforest(Steuermann)
Variablen <- c("Geschlecht", "Alter", "Rasse", "Ehe", "Phase", "T", "N", "M", "Tumor_size", "LNR", "LODDS", "Chemotherapie")
Daten <- Daten %>%
mutate(across(all_of(Variablen), as.factor))
cox=coxph(Surv(Zeit, Status) ~ Geschlecht+Alter+Rasse+Ehe+T+N+M+Tumor_size+LNR+
LODDS+Chemotherapie,Daten = Daten)
ggforest(cox,data = Daten)
ggplot_forest <- ggforest(cox, Daten = Daten) - Verwenden Sie den folgenden Code, um die prognostischen Vorhersagefähigkeiten von drei LN-Systemen (LODDS, LNR und pN-Staging) in den Trainings-, Validierungs- und externen Validierungskohorten zu vergleichen.
Bibliothek(RMS)
Bibliothek(Überleben)
Bibliothek(Survminer)
library(riskRegression)
Bibliothek(gt)
train_data <- read.csv("train_data123.csv")
validation_data <- read.csv("test_data123.csv")
dd <- datadist(train_data)
Optionen(datavert = "dd")
model_LNR <- cph(Surv(Zeit, Status) ~ LNR, Daten = train_data, x = WAHR, y = WAHR)
model_LODDS <- cph(Surv(Zeit, Status) ~ LODDS, Daten = train_data, x = WAHR, y = WAHR)
model_pN <- cph(Surv(Zeit, Status) ~ N, Daten = train_data, x = WAHR, y = WAHR)
calculate_performance <- function(model, data) {pred <- predict(model, newdata = data) c_index_result <- concordance(Surv(data$time, data$status) ~ pred) c_index <- c_index_result$concordance aic <- AIC(model) bic <- BIC(model) return(c(C_index = round(c_index, 3), AIC = round(aic, 2), BIC = round(bic, 2)))}
calculate_performance <- function(model, data) {pred <- predict(model, newdata = data, type = "lp") concordance_result <- concordancefit(Surv(data$time, data$status), x = pred) c_index <- concordance_result$concordance ci_lower <- c_index - 1.96 * sqrt(concordance_result$var) ci_upper <- c_index + 1.96 * sqrt(concordance_result$var) aic <- AIC(model) bic <- BIC(model) return(c(C_Index = round(c_index, 3), CI_Lower = Runde(ci_lower, 3), CI_Upper = Runde(ci_upper, 3), AIC = Runde(AIC, 2), BIC = Runde(bic, 2)))}
train_LNR <- calculate_performance(model_LNR, train_data)
train_LODDS <- calculate_performance(model_LODDS, train_data)
train_pN <- calculate_performance (model_pN, train_data)
model_LNR_val <- cph(Surv(Zeit, Status) ~ LNR, Daten = validation_data, x = WAHR, y = WAHR)
model_LODDS_val <- cph(Surv(Zeit, Status) ~ LODDS, Daten = validation_data, x = WAHR, y = WAHR)
model_pN_val <- cph(Surv(Zeit, Status) ~ N, Daten = validation_data, x = WAHR, y = WAHR)
val_LNR <- calculate_performance (model_LNR_val, validation_data)
val_LODDS <- calculate_performance(model_LODDS_val, validation_data)
val_pN <- calculate_performance (model_pN_val, validation_data)
Ergebnisse <- data.frame(Variable = c("LNR", "LODDS", "pN"), Training_C_Index = c(paste(train_LNR["C_Index"], "("train_LNR["CI_Lower"], ", ", ", train_LNR["CI_Upper"], ")", sep = ""), paste(train_LODDS["C_Index"], "(", train_LODDS["CI_Lower"], ", ", train_LODDS["CI_Upper"], ")", sep = ""), paste(train_pN["C_Index"], "(", train_pN["CI_Lower"], ", ", train_pN["CI_Upper"], ")", sep = "")"), Training_AIC = c(train_LNR["AIC"], train_LODDS["AIC"], train_pN["AIC"]), Training_BIC = c(train_LNR["BIC"], train_LODDS["BIC"], train_pN["BIC"]), Validation_C_Index = c(paste(val_LNR["C_Index"], "(", val_LNR["CI_Lower"], ", ", val_LNR["CI_Upper"], ")", sep = ""), paste(val_LODDS["C_Index"], "(", val_LODDS["CI_Lower"], ", ", val_LODDS["CI_Upper"], ")", sep = ""), paste(val_pN["C_Index"], "(", val_pN["CI_Lower"], "[""], ", ", val_pN["CI_Upper"], ")", sep = "")"), Validation_AIC = c(val_LNR["AIC"], val_LODDS["AIC"], val_pN["AIC"]), Validation_BIC = c(val_LNR["BIC"], val_LODDS["BIC"], val_pN["BIC"]))
results_table <- GT(Ergebnisse) %>%
tab_header(title = "Vorhersageleistung der drei Lymphknoten-Staging-Systeme") %>%
cols_label(Variable = "Variable",Training_C_Index = "C-Index (95% CI) (Training)", Training_AIC = "AIC (Training)", Training_BIC = "BIC (Training)", Validation_C_Index = "C-Index (95% CI) (Validierung)", Validation_AIC = "AIC (Validierung)", Validation_BIC = "BIC (Validierung)")
write.csv(Ergebnisse, "prediction_performance.csv", row.names = FALSCH) - Verwenden Sie den folgenden Code, um ein XGBoost-Modell zu erstellen und Balkendiagramme der relativen Wichtigkeit von Variablen zu generieren, um so die Wichtigkeit der drei LN-Systeme zu vergleichen. Generieren Sie auf ähnliche Weise ROC-Kurven und Kalibrierungskurven. Die Daten werden aus der SEER-Datenbank bezogen.
Bibliothek(xgboost)
Bibliothek(Einfügezeichen)
Bibliothek(pROC)
train_data <- read.csv("train_data.csv")
test_data <- read.csv("test_data.csv")
train_matrix <- XGB. DMatrix(data = as.matrix(train_data[, c('Alter', 'T', 'N', 'M', 'LODDS', 'Chemotherapie')]), label = train_data$status)
test_matrix <- XGB. DMatrix(data = as.matrix(test_data[, c('Alter', 'T', 'N', 'M', 'LODDS', 'Chemotherapie')]), label = test_data$status)
params <- list(booster = "gbtree", objective = "binary:logistic", eval_metric = "auc", eta = 0.1, max_depth = 6, subsample = 0.8, colsample_bytree = 0.8)
xgb_model <- xgb.train(params = params, data = train_matrix, nrounds = 100, watchlist= list(train = train_matrix), ausführlich = 1)
pred_probs <- predict(xgb_model, newdata = test_matrix)
pred_labels <- ifelse(pred_probs > 0,5, 1, 0)
conf_matrix <- confusionMatrix(as.factor(pred_labels), as.factor(test_data$status))
roc_curve <- roc(test_data$status, pred_probs)
auc_value <- AUC(roc_curve)
ci_auc <- ci.auc(roc_curve)
sensitivity <- conf_matrix$byClass["Empfindlichkeit"]
Spezifität <- conf_matrix$byClass["Spezifität"]
Genauigkeit <- conf_matrix$gesamt["Genauigkeit"]
ppv <- conf_matrix$byClass["Pos Pred Wert"]
npv <- conf_matrix$byClass["Neg Pred-Wert"]
result_table <- data.frame(Modell = "XGBoost", AUC = sprintf("%.3f (%.3f-%.3f)", auc_value, ci_auc[1], ci_auc[3]), Sensitivität = sprintf("%.3f", Sensitivität), Spezifität = sprintf("%.3f", Spezifität), Genauigkeit = sprintf("%.3f", Genauigkeit), PPV = sprintf("%.3f", ppv), NPV = sprintf("%.3f", npv))
write.csv(result_table, "xgboost_model_performance.csv", row.names = FALSCH)
roc_df <- data.frame(FPR = 1 - roc_curve$Spezifitäten, TPR = roc_curve$sensitivitäten)
roc_plot <- ggplot(roc_df, aes(x = FPR, y = TPR)) +geom_line(color = "steelblue", size = 1.2) + geom_abline(intercept = 0, slope = 1, linetype = "dashed", color = "gray") + annotate("text", x = 0.9, y = 0.2, label = paste("AUC =", round(auc_value, 3)), size = 5, color = "black") + labs(title = "ROC-Kurve für XGBoost-Modell", x = "Falsch-Positiv-Rate", y = "True-Positive-Rate") + theme_minimal() + theme(panel.border = element_rect(color = "schwarz", Füllung = NA, Größe = 1))
calibration_data <- data.frame(Status = as.factor(test_data$status), pred_probs = pred_probs)
calib_model <- calibration(Status ~ pred_probs, Daten = calibration_data, Klasse = "1", Schnitte = 5)
ggplot(calib_model$data, aes(x = Mittelpunkt, y = Prozent)) + geom_line(color = "steelblue", size = 1) + geom_point(color = "red", size = 2) + geom_abline(intercept = 0, slope = 1, linetype = "dashed", color = "black") +labs(title = "Kalibrierungskurve für das XGBoost-Modell", x = "Vorhergesagte Wahrscheinlichkeit", y = "Beobachteter Anteil") + theme_minimal() + theme(panel.border = element_rect(color = "black", fill = NA, size = 0.5)) - Verwenden Sie den folgenden Code, um ein RF-Modell zu erstellen und Balkendiagramme der relativen Wichtigkeit von Variablen zu generieren und so die Bedeutung der drei LN-Systeme zu vergleichen. Generieren Sie auf ähnliche Weise ROC-Kurven und Kalibrierungskurven. Die Daten stammen aus der SEER-Datenbank.library(randomForest)
Bibliothek (DPLYR)
Bibliothek(ggplot2)
Bibliothek(pROC)
Bibliothek(Einfügezeichen)
Bibliothek(RMS)
Trainset <- read.csv("train_data.csv")
Getestet <- read.csv("test_data.csv")
trainset$status=Faktor(trainset$status)
Variablen1 <- c("Alter", "T", "N", "M", "LODDS", "Chemotherapie")
Trainset <- Trainset %>%
mutate(across(all_of(Variablen1), as.numerisch))
getestet$status=faktor(getestet$status)
Getestet <- getestet %>%
mutate(across(all_of(Variablen1), as.numerisch))
RF=randomForest(trainset$status ~ Alter + T + N + M + LODDS + Chemotherapie, data=trainset,ntree=100,importance=TRUE,proximity=TRUE)
imp=Wichtigkeit(RF)
varImpPlot(RF)
impvar=Zeilennamen(IMP)[Reihenfolge(IMP[,4],abnehmend = WAHR)]
importance_df <- as.data.frame(imp)
importance_df$Variablen <- Zeilennamen(importance_df)
importance_plot <- ggplot(importance_df, aes(x = reorder(Variablen, MeanDecreaseAccuracy), y = MeanDecreaseAccuracy)) +geom_bar(stat = "identity", fill = "steelblue") +coord_flip() + labs(title = "Variablenbedeutung", x = "Variablen", y = "Genauigkeit der mittleren Abnahme") + theme_minimal()
pred_probs <- predict(RF, Testset, Typ = "prob")[,2]
roc_obj <- roc(testset$status, pred_probs)
auc_value <- AUC(roc_obj)
roc_plot <- ggplot() +geom_line(aes(x = 1 - roc_obj$Spezifitäten, y = roc_obj$sensitivitäten), color = "steelblue", size = 1.2) +geom_abline(intercept = 0, slope = 1, linetype = "gestrichelt", color = "grau") + annotate("text", x = 0.8, y = 0.2, label = paste("AUC =", round(auc_value, 3)), color = "black", size = 5, hjust = 0) + labs(title = "ROC-Kurve für Random Forest Model", x = "Falsch-Positiv-Rate", y = "Wahr-Positiv-Rate") +theme_minimal() + theme(panel.border = element_rect(color = "black", fill = NA, size = 1))
calibration_data <- data.frame(pred_probs = pred_probs, status = getestet$status)
calib_model <- Kalibrierung(Status ~ pred_probs, Daten = calibration_data, Klasse = "1", Schnitte = 5)
calib_df <- as.data.frame(calib_model[["Daten"]])
calib_df$mittlerer <- calib_df$Mittelwert
calib_df$Percent <- calib_df$Percent
calibration_plot <- ggplot(calib_df, aes(x = mid, y = Prozent)) + geom_line(color = "steelblue", size = 1.2) + geom_point(color = "steelblue", size = 3) + geom_abline(intercept = 0, slope = 1, linetype = "dashed", color = "black", size = 0.8) + labs(title = "Kalibrierungskurve für Random Forest", x = "Vorhergesagte Wahrscheinlichkeit", y = "tatsächliche Wahrscheinlichkeit") + theme_minimal() + theme(panel.border = element_rect(color = "schwarz", fill = NA, size = 1), plot.title = element_text(hjust = -0.05, vjust = -1.5, face = "bold", size = 12) )
rf_probs <- predict(RF, newdata=getestet, type="prob")[, 2]
rf_auc <- roc(getestet$status, rf_probs)
auc_value <- AUC(rf_auc)
ci_auc <- ci.auc(rf_auc)
rf_predictions <- predict(RF, newdata=getestet)
conf_matrix <- confusionMatrix(rf_predictions, getestet$status)
sensitivity <- conf_matrix$byClass["Empfindlichkeit"]
Spezifität <- conf_matrix$byClass["Spezifität"]
Genauigkeit <- conf_matrix$gesamt["Genauigkeit"]
ppv <- conf_matrix$byClass["Pos Pred Wert"]
npv <- conf_matrix$byClass["Neg Pred-Wert"]
result_table <- data.frame(Modell = "RF", AUC = sprintf("%.3f (%.3f-%.3f)", auc_value, ci_auc[1], ci_auc[3]), Sensitivität = sprintf("%.3f", Sensitivität), Spezifität = sprintf("%.3f", Spezifität), Genauigkeit = sprintf("%.3f", Genauigkeit), PPV = sprintf("%.3f", ppv), NPV = sprintf("%.3f", npv))
write.csv(result_table, "RF_model_performance.csv", row.names = FALSCH) - Verwenden Sie den folgenden Code, um ein NN-Modell zu erstellen und Balkendiagramme der relativen Wichtigkeit von Variablen zu generieren und so die Bedeutung der drei LN-Systeme zu vergleichen. Generieren Sie auf ähnliche Weise ROC-Kurven und Kalibrierungskurven. Die Daten werden aus der SEER-Datenbank database.library (nnet) bezogen
Bibliothek(Einfügezeichen)
Bibliothek(pROC)
Bibliothek(ggplot2)
train_data <- read.csv("train_data.csv")
test_data <- read.csv("test_data.csv")
train_data$status <- as.factor(train_data$status)
test_data$status <- as.factor(test_data$status)
Eigenschaften <- c("Alter", "T", "N", "M", "LODDS", "Chemotherapie")
x_train <- train_data[, Funktionen]
y_train <- train_data$status
x_test <- test_data[, Funktionen]
y_test <- test_data$status
nn_model <- nnet(Status ~ Alter + T + N + M + LODDS + Chemotherapie, Daten = train_data, Größe = 5, Zerfall = 0,01, maxit = 200)
pred_probs <- predict(nn_model, newdata = x_test, type = "raw")
pred_labels <- ifelse(pred_probs > 0,5, 1, 0)
roc_curve <- roc(as.numeric(y_test), pred_probs)
auc_value <- AUC(roc_curve)
auc_ci <- ci.auc(roc_curve)
auc_text <- paste0(runde(auc_value, 3), " (", runde(auc_ci[1], 3), "-", runde(auc_ci[3], 3), ")")
conf_matrix <- confusionMatrix(as.factor(pred_labels), y_test)
Genauigkeit <- conf_matrix$gesamt["Genauigkeit"]
sensitivity <- conf_matrix$byClass["Empfindlichkeit"]
Spezifität <- conf_matrix$byClass["Spezifität"]
ppv <- conf_matrix$byClass["Pos Pred Wert"]
npv <- conf_matrix$byClass["Neg Pred-Wert"]
performance_table <- data.frame(Metrik = c("AUC (95% CI)", "Genauigkeit", "Sensitivität", "Spezifität", "PPV", "NPV"),Value = c(auc_text, round(Genauigkeit, 3), round(Sensitivität, 3), round(Spezifität, 3), round(ppv, 3), round(npv, 3)))
write.csv(performance_table, "NN_performance_table.csv", row.names = FALSCH)
roc_curve <- roc(y_test, pred_probs)
auc_value <- AUC(roc_curve)
roc_plot <- ggplot() + geom_line(aes(x = 1 - roc_curve$specificities, y = roc_curve$sensitivities), color = "steelblue", size = 1.2) +geom_abline(intercept = 0, slope = 1, linetype = "dashed", color = "gray") + annotate("text", x = 0.8, y = 0.2, label = paste("AUC =", round(auc_value, 3)), color = "black", size = 5, hjust = 0) + labs(title = "ROC-Kurve für neuronales Netzwerkmodell", x = "Falsch-Positiv-Rate", y = "Wahr-Positiv-Rate") + theme_minimal() + theme(panel.border = element_rect(color = "black", fill = NA, size = 1))
calibration_data <- data.frame(pred_probs = pred_probs, status = as.numeric(y_test) - 1)
calibration_data$pred_probs <- as.numeric(calibration_data$pred_probs)
calibration_data$calibration_bin <- cut(calibration_data$pred_probs, breaks = seq(0, 1, by = 0.2), include.lowest = TRUE)
calibration_summary <- Aggregat(Status ~ calibration_bin, Daten = calibration_data, FUN = Mittelwert)
calibration_summary$pred_mean <- aggregate(pred_probs ~ calibration_bin, data = calibration_data, FUN = mittelwert)$pred_probs
calibration_plot <- ggplot(calibration_summary, aes(x = pred_mean, y = status)) + geom_line(color = "steelblue", size = 1.2) + geom_point(color = "red", size = 3) + geom_abline(intercept = 0, slope = 1, linetype = "dashed", color = "black", size = 0.8) + labs(title = "Kalibrierungskurve für neuronale Netzwerke", x = "Vorhergesagte Wahrscheinlichkeit", y = "Tatsächliche Wahrscheinlichkeit") + theme_minimal() + theme(panel.border = element_rect(color = "schwarz", Füllung = NA, Größe = 1))
nn_var_importance <- varImp(nn_model)
importance_df <- data.frame(Merkmal = Zeilennamen(nn_var_importance), Wichtigkeit = nn_var_importance$Gesamt )
importance_plot <- ggplot(importance_df, aes(x = reorder(Merkmal, Wichtigkeit), y = Wichtigkeit)) + geom_bar(stat = "identity", fill = "steelblue") + coord_flip() + labs(title = "Variable Wichtigkeit für neuronale Netzwerke", x = "Funktionen", y = "Wichtigkeit") + theme_minimal()
3. Entwicklung und Verifizierung konkurrierender Risikomodelle
- Verwenden Sie den folgenden Code, um eine univariate Analyse durchzuführen und die CIF-Kurve (Cumulative Inzidence Function) darzustellen. Der data.csv sind Daten, die aus der SEER-Datenbank abgerufen werden. Die Methode zum Speichern nachfolgender Bilder ist die gleiche wie in diesem Schritt. Ersetzen Sie Site im Code nacheinander durch andere Faktoren, um eine univariate Analyse für alle Faktoren durchzuführen.
Bibliothek(TidyCMPRSK)
Bibliothek(gtZusammenfassung)
Bibliothek(ggplot2)
Bibliothek(ggsurvfit)
Bibliothek(ggprism)
AA <- read.csv("data.csv")
cif2 <- tidycmprsk::cuminc(Surv(Zeit, Status1) ~Standort, Daten = aa)
tidy(cif2;times = c(12,24,36,48,60))
tbl_cuminc(cif2, times =c(12,24,36,48,60), outcomes = c("CSS", "OSS"),estimate_fun = NULL, label_header = "**{time/12}-year cuminc**") %>%
add_p() %>%
add_n(Standort = "Ebene")
cuminc_plot <- ggcuminc(cif2, outcome = c("CSS", "OSS"), size = 1.5) + labs(x = "time") +add_quantile(y_value = 0.20, size = 1) + scale_x_continuous(breaks = seq(0, 84, by = 12), limits = c(0, 84)) +scale_y_continuous(label = scales::p ercent, breaks = seq(0, 1, by = 0.2), limits = c(0, 1)) + theme_prism() + theme(legend.position = c(0.2, 0.8), panel.grid = element_blank(),panel.grid.major.y = element_line(color = "grey80")) + theme(legend.spacing.x = unit(0.1, "cm"), legend.spacing.y = unit(0.01, "cm")) + theme(axis.ticks.length.x = unit(-0.2, "cm"), axis.ticks.x = element_line(color = "black", size = 1, lineend = 1)) + theme(axis.ticks.length.y = unit(-0.2, "cm"), axis.ticks.y = element_line(color = "black", size = 1, lineend = 1)) - Verwenden Sie den folgenden Code, um multivariate Analysen und Visualisierungen durchzuführen. Die data1.csv ergibt sich aus den Ergebnissen des vorherigen Codes. Nachdem Sie den Code ausgeführt haben, klicken Sie auf Exportieren, klicken Sie dann auf Als PDF speichern und schließlich auf Speichern , um das Bild zu speichern.
Bibliothek(TidyCMPRSK)
Bibliothek(gtZusammenfassung)
AA <-read.csv('data1.csv')
for (i in names(aa)[c(1:16, 19)]){aa[,i] <- as.factor(aa[,i])}
mul1Tabelle2 <- MUL1 %>%
gtsummary::tbl_regression(Exponentiat = WAHR) %>%
add_n(Standort = "Ebene"); Tabelle2
table_df <- as_tibble (Tabelle2)
Registerkarte <- Tabelle2$table_body
tab1 <- tab[,c(12,19,20,22:29)] - Verwenden Sie den folgenden Code, um das Nomogramm, die ROC-Kurve und die Kalibrierungskurve darzustellen. Nachdem Sie das Modell mit Daten aus der Trainingskohorte trainiert haben, verwenden Sie die Daten der Validierungskohorten und der externen Validierungskohorten, um model.library(QHScrnomo) zu validieren. Die externen Kohortendaten bestehen aus Proben von anderen Darmkrebsarten als dem Ringzellkarzinom, die in Schritt 1.4 ausgewählt wurden.
Bibliothek(RMS)
Bibliothek(timeROC)
Bibliothek(Überleben)
AA <-read.csv('data3.csv')
for (i in names(aa)[c(1:16, 19)]){aa[,i] <- as.factor(aa[,i])}
dd <- datadist(aa)
Optionen(datavert = "dd")
mul <- cph(Surv(time, Status1 == 1) ~ T + N + M + LODDS + Site, data = aa, x = TRUE, y = TRUE, surv = TRUE)
m3 <- crr.fit(mul, Fehlercode = 1, cencode = 0)
nomo <-Newlabels(fit = m3, labels =c(T="T", N= "N", M = "M", LODDS = "LODDS", Site = "Site"))
nomoc("N0","N1","N2"),M=c("M0";"M1"),LODDS=c
("LODDS1","LODDS2","LODDS3"),Site=
c("RSC","LSC","Rektum")))
nomogram.crr(fit =nomo , lp = F, xfrac = 0.3, fun.at =seq(from=0, to=1, by= 0.1) , failtime =c(12,36,60), funlabel = c("Kumulative CSS-Inzidenz über 1 Jahr","Kumulative CSS-Inzidenz über 3 Jahre","Kumulative CSS-Inzidenz über 5 Jahre"))
time_points <- c(12, 36, 60)
pred_risks_list <- lapply(time_points, function(time_point) {predict(m3, newdata = aa, type = "risk", time = time_point)})
pred_risks_df <- data.frame(do.call(cbind, pred_risks_list))
colnames(pred_risks_df) <- paste("risk_at", time_points, "Monate", sep = "_")
roc_1year <- timeROC(T = aa$time, delta = ifelse(aa$Status1 == "CSS", 1, 0), marker = pred_risks_df$risk_at_12_months, cause = 1, times = 12, iid = TRUE)
roc_3year <- timeROC(T = aa$time, delta = ifelse(aa$Status1 == "CSS", 1, 0), marker = pred_risks_df$risk_at_36_months, cause = 1, times = 36, iid = TRUE)
roc_5year <- timeROC(T = aa$time, delta = ifelse(aa$Status1 == "CSS", 1, 0), marker = pred_risks_df$risk_at_60_months, cause = 1,times = 60, iid = TRUE)
legend("bottomright",legend = c("1 Jahr CSS", "3 Jahre CSS", "5 Jahre CSS"), col = c("#BF1D2D", "#262626", "#397FC7"), lwd = 2)
sas.cmprsk(m3;time = 36)
set.seed(123)
aa$pro <- tenf.crr(m3,time = 36)
cindex(prob = aa$pro, fstatus = aa$Status1, ftime = aa$time, type = "crr", failcode = 1, cencode = 0, tol = 1e-20)
groupci(x=aa$pro, ftime = aa$time, fstatus = aa$Status1, failcode = 1, cencode = 0, ci = TRUE, g = 5, m = 1000, u = 36, xlab = "Vorhergesagte Wahrscheinlichkeit", ylab = "Tatsächliche Wahrscheinlichkeit", lty=1, lwd=2, col="#262626",xlim=c(0,1.0), ylim=c(0,1.0), add =TRUE)
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Ergebnisse
Eigenschaften des Patienten
Diese Studie konzentrierte sich auf Patienten, bei denen kolorektale SRCC diagnostiziert wurde, wobei Daten aus der SEER-Datenbank aus den Jahren 2004 bis 2015 verwendet wurden. Zu den Ausschlusskriterien gehörten Patienten mit einer Überlebenszeit von weniger als einem Monat, Patienten mit unvollständigen klinisch-pathologischen Informationen und Fälle, in denen die Todesursache unklar oder nicht spezifiziert war. Insgesamt wurden 2409 kol...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Diskussion
Darmkrebs (CRC) SRCC ist eine seltene und spezielle Unterform des Darmkrebses mit schlechter Prognose. Daher muss der Prognose von SRCC-Patienten größere Aufmerksamkeit geschenkt werden. Eine genaue Überlebensvorhersage für SRCC-Patienten ist entscheidend, um ihre Prognose zu bestimmen und individuelle Behandlungsentscheidungen zu treffen. In dieser Studie untersuchten wir den Zusammenhang zwischen klinischen Merkmalen und Prognose bei SRCC-Patienten und identifizierten das optimale LN-S...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Offenlegungen
Die Autoren haben keine finanziellen Interessenkonflikte offenzulegen.
Materialien
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| SEER-Datenbank | Nationales Krebsinstitut am NIH | ||
| X-tile software | Yale School of Medicine | ||
| R-studio | Posit |
Referenzen
- Siegel, R. L., Giaquinto, A. N., Jemal, A. Cancer statistics, 2024. CA Cancer J Clin. 74 (1), 12-49 (2024).
- Korphaisarn, K., et al. Signet ring cell colorectal cancer: Genomic insights into a rare subpopulation of colorectal adenocarcinoma. Br J Cancer. 121 (6), 505-510 (2019).
- Willauer, A. N., et al. Clinical and molecular characterization of early-onset colorectal cancer. Cancer. 125 (12), 2002-2010 (2019).
- Watanabe, A., et al. A case of primary colonic signet ring cell carcinoma in a young man which preoperatively mimicked Phlebosclerotic colitis. Acta Med Okayama. 73 (4), 361-365 (2019).
- Kim, H., Kim, B. H., Lee, D., Shin, E. Genomic alterations in signet ring and mucinous patterned colorectal carcinoma. Pathol Res Pract. 215 (10), 152566(2019).
- Deng, X., et al. 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. Ann Surg. 272 (6), 1060-1069 (2020).
- Buk Cardoso, L., et al. Machine learning for predicting survival of colorectal cancer patients. Sci Rep. 13 (1), 8874(2023).
- Monterrubio-Gómez, K., Constantine-Cooke, N., Vallejos, C. A. A review on statistical and machine learning competing risks methods. Biom J. 66 (2), e2300060(2024).
- Kim, H. J., Choi, G. S. Clinical implications of lymph node metastasis in colorectal cancer: Current status and future perspectives. Ann Coloproctol. 35 (3), 109-117 (2019).
- Xu, T., et al. Log odds of positive lymph nodes is an excellent prognostic factor for patients with rectal cancer after neoadjuvant chemoradiotherapy. Ann Transl Med. 9 (8), 637(2021).
- Chen, Y. R., et al. Prognostic performance of different lymph node classification systems in young gastric cancer. J Gastrointest Oncol. 12 (4), 285-1300 (2021).
- Bouvier, A. M., et al. How many nodes must be examined to accurately stage gastric carcinomas? Results from a population based study. Cancer. 94 (11), 2862-2866 (2002).
- Coburn, N. G., Swallow, C. J., Kiss, A., Law, C. Significant regional variation in adequacy of lymph node assessment and survival in gastric cancer. Cancer. 107 (9), 2143-2151 (2006).
- Li Destri, G., Di Carlo, I., Scilletta, R., Scilletta, B., Puleo, S. Colorectal cancer and lymph nodes: the obsession with the number 12. World J Gastroenterol. 20 (8), 1951-1960 (2014).
- Dinaux, A. M., et al. Outcomes of persistent lymph node involvement after neoadjuvant therapy for stage III rectal cancer. Surgery. 163 (4), 784-788 (2018).
- Sun, Y., Zhang, Y., Huang, Z., Chi, P. Prognostic implication of negative lymph node count in ypN+ rectal cancer after neoadjuvant chemoradiotherapy and construction of a prediction nomogram. J Gastrointest Surg. 23 (5), 1006-1014 (2019).
- Xu, Z., Jing, J., Ma, G. Development and validation of prognostic nomogram based on log odds of positive lymph nodes for patients with gastric signet ring cell carcinoma. Chin J Cancer Res. 32 (6), 778-793 (2020).
- Scarinci, A., et al. The impact of log odds of positive lymph nodes (LODDS) in colon and rectal cancer patient stratification: a single-center analysis of 323 patients. Updates Surg. 70 (1), 23-31 (2018).
- Nitsche, U., et al. Prognosis of mucinous and signet-ring cell colorectal cancer in a population-based cohort. J Cancer Res Clin Oncol. 142 (11), 2357-2366 (2016).
- Kang, H., O'Connell, J. B., Maggard, M. A., Sack, J., Ko, C. Y. A 10-year outcomes evaluation of mucinous and signet-ring cell carcinoma of the colon and rectum. Dis Colon Rectum. 48 (6), 1161-1168 (2005).
- Sung, C. O., et al. Clinical significance of signet ring cells in colorectal mucinous adenocarcinoma. Mod Pathol. 21 (12), 1533-1541 (2008).
- Alvi, M. A., et al. Molecular profiling of signet ring cell colorectal cancer provides a strong rationale for genomic targeted and immune checkpoint inhibitor therapies. Br J Cancer. 117 (2), 203-209 (2017).
- Brownlee, S., et al. Evidence for overuse of medical services around the world. Lancet. 390 (10090), 156-168 (2017).
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Nachdrucke und Genehmigungen
