Kuuden eri koneoppimismenetelmän vertailu perinteiseen malliin matalan etuosan resektio-oireyhtymästä suolistosyövän vähäinvasiivisen leikkauksen jälkeen -- Nomogrammin kehittäminen ja ulkoinen validointi : Kaksoiskeskustutkimus

Potilaat kahdesta suuresta sairaalasta jaettiin kattavan seulonnan jälkeen sisällyttämis- ja poissulkemiskriteerien perusteella kahteen kohorttiin tätä tutkimusta varten. Kohortti 1 toimi ensisijaisesti koulutus- ja sisäisen validointijoukkona, kun taas Kohorttia 2 käytettiin ennustavan mallin ulkoiseen validointiin, joka rakennettiin Kohortista 1. Käytimme kuutta erilaista koneoppimismenetelmää, mukaan lukien DT, RF, XGBOOST, SVM, lightGBM ja SHLNN, perinteisen logistisen regression lisäksi ennustavan mallin luomiseksi. Valitsimme menetelmän, jolla oli paras herkkyys ja spesifisyys, vertaamalla näiden seitsemän erilaisen mallinrakennusmenetelmän konsensusindeksiä (C-index) ROC-käyrän alla olevan alueen (AUC) kaltaisena. Kohortin 1 ennustava malli rakennettiin sitten tällä menetelmällä, ja sisäinen validointi suoritettiin loppuun. Lopuksi Kohortti 2 kävi läpi ennustavan mallin ulkoisen validoinnin.