Comparación de Seis Diferentes Métodos de Aprendizaje Automático con el Modelo Tradicional para el Síndrome de Resección Anterior Baja Después de Cirugía Mínimamente Invasiva para Cáncer Rectal -- Desarrollo y Validación Externa de un Nomograma : Un Estudio de Cohorte de Dos Centros

Tras un cribado exhaustivo basado en los criterios de inclusión y exclusión, los pacientes de los dos grandes centros médicos se dividieron en dos cohortes para este estudio. La Cohorte 1 sirvió principalmente como conjunto de entrenamiento y validación interna, mientras que la Cohorte 2 se utilizó para la validación externa del modelo predictivo construido a partir de la Cohorte 1. Utilizamos seis métodos distintos de aprendizaje automático, incluyendo DT, RF, XGBOOST, SVM, lightGBM y SHLNN, además de la regresión logística convencional para crear el modelo predictivo. Elegimos el enfoque con la mejor sensibilidad y especificidad comparando el índice de concordancia (C-index) similar al área bajo la curva ROC (AUC) de estos siete métodos distintos de construcción de modelos. El modelo predictivo para la Cohorte 1 se construyó entonces utilizando este método, y se completó la validación interna. Por último, la Cohorte 2 se sometió a la validación externa del modelo predictivo.