En maskinlæringsmodel til at forudsige lymfeknudemetastase af intrahepatisk cholangiocarcinom

Formålet med denne undersøgelse er at udvikle en model til forudsigelse af lymfeknudemetastaser blandt patienter med intrahepatisk kolangiocarcinom (ICC). Intrahepatisk kolangiocarcinom er den næsthyppigste form for primær leverkræft, der tegner sig for ca. 10%-15%. Der er mangel på enighed om nødvendigheden af ​​at udføre lymfeknudedissektion (LND) hos patienter med ICC. I øjeblikket er procentdelen af ​​LND under 50 %, og frekvensen af ​​tilstrækkelig LND (≥6) er faldet til mindre end 20 %. Som følge heraf er en stor del af patienterne ude af stand til at opnå LN-status, hvilket hindrer følgende systematiske behandlingsstrategier efter operationen: Derfor er vores mål at konstruere en LN-metastasemodel, der anvender maskinlæringsteknikker, herunder patienters kliniske data og patologiinformation, med det formål at tilbyde en reference til patienter, der ikke har gennemgået LND eller har haft utilstrækkelig LND.