Modèles d'apprentissage automatique spécifiques au sexe pour prédire les métastases à distance dans le cancer du foie (GENDER-HCC-MET)

Conception de l'étude et objectif :

Il s'agissait d'une étude de cohorte rétrospective basée sur la population utilisant les données de la base de données Surveillance, Epidemiology, and End Results (SEER). L'objectif principal était de comparer systématiquement l'incidence et d'identifier les déterminants spécifiques au sexe des métastases à distance chez les patients atteints de carcinome hépatocellulaire (CHC). Un objectif secondaire était de développer et de valider des modèles de prédiction par apprentissage automatique (ML) distincts et performants pour le risque de métastases à distance, adaptés aux patients masculins et féminins.

Source des données et participants :

Les données ont été extraites de 22 registres SEER couvrant les patients diagnostiqués avec un CHC entre 2004 et 2022. L'inclusion nécessitait un diagnostic pathologique de CHC. Les principaux critères d'exclusion étaient : données manquantes sur la race, l'état civil, le grade tumoral ou le statut chirurgical ; malignité primaire non première ; et données de stadification TNM incomplètes. Après application des critères, 19 019 patients ont été inclus dans l'analyse finale (14 575 hommes, 4 444 femmes).

Variables et définitions :

La variable de résultat était le statut des métastases à distance au moment du diagnostic, dichotomisé en M0 (pas de métastase) ou M1 (métastase) sur la base des critères AJCC cohérents. Les variables prédictives comprenaient : l'âge, le sexe, la race, le grade tumoral, l'état civil, le traitement chirurgical (catégorisé comme non-chirurgie, thérapie locale, résection chirurgicale ou transplantation hépatique), la radiothérapie, la chimiothérapie, le revenu annuel du ménage et le lieu de résidence (basé sur la taille de la population). Pour assurer la comparabilité entre les différentes éditions du manuel de stadification AJCC, le stade T a été regroupé en T0-2 (localisé) contre T3-4 (localement avancé), et le stade N en N0 contre N1.

Analyse statistique et apprentissage automatique :

Des analyses de régression logistique univariée et multivariée ont été réalisées pour identifier les facteurs indépendamment associés aux métastases à distance, stratifiés par sexe.

Pour la modélisation prédictive, l'ensemble de données a été divisé aléatoirement en un ensemble d'entraînement (80 %) et un ensemble de test interne (20 %). Huit algorithmes d'apprentissage automatique ont été développés et comparés : Régression Logistique, Forêt Aléatoire, XGBoost, LightGBM, AdaBoost, Arbre de Décision, Arbre de Décision à Gradient Boosting (GBDT) et Perceptron Multicouche. Les hyperparamètres des modèles ont été optimisés en utilisant une validation croisée à 10 plis sur l'ensemble d'entraînement. Les modèles finaux ont été évalués sur l'ensemble de test indépendant. La performance des modèles a été évaluée en utilisant l'Aire sous la Courbe Caractéristique de Fonctionnement du Récepteur (AUC), l'exactitude, la sensibilité, la spécificité, le score F1, les courbes d'étalonnage et l'Analyse de Courbe de Décision (DCA). L'interprétabilité du modèle le plus performant a été améliorée en utilisant les Explications Additives de Shapley (SHAP).