Integración del aprendizaje automático para la predicción del pronóstico en el NSCLC en etapa I: un análisis multicéntrico (Stage I NSCLC)

Los investigadores recopilaron retrospectivamente a los participantes con pacientes con cáncer de pulmón de células no pequeñas (NSCLC) en estadio I resecados entre enero de 2010 y diciembre de 2020 para capacitación y validación interna. Se recogieron los datos clínicos, información clínica preoperatoria, resultados de laboratorio e imágenes de TC. Los investigadores también recogieron el tiempo de supervivencia libre de enfermedad. En la plataforma de investigación multimodal Deepwise, las imágenes se segmentaron de forma semiautomática y se expandieron 3 mm hacia afuera para obtener el tejido peritumoral. Se utilizó PyRadiomics para extraer las características radiómicas. Se utilizaron LASSOcox y rsf para seleccionar las funciones. Desarrollamos un modelo de pronóstico integrador basado en aprendizaje automático que utiliza variables radiómicas y patológicas como entrada utilizando el marco LOOCV. Y se probó aún más en cohortes internas y externas. La discriminación se evaluó mediante el índice C y el área bajo la curva característica operativa del receptor (AUC), IBS, DCA.