Apprendimento automatico a base di PMRA e SPEAY per la previsione delle metastasi linfonodali nelle sottoregioni centrali del microcarcinoma tiroideo papillare clinicamente negativo (PMRA)

Contesto: la gestione del microcarcinoma tiroideo papillare clinicamente negativo (CN0) (PTMC) è complicata da tassi di metastasi dei linfonodi occulti elevati (LNM). Abbiamo mirato a sviluppare e convalidare un modello di previsione per LNM centrale usando l'apprendimento automatico (ML) e i nomogrammi tradizionali attraverso l'approccio del modello di classificazione basato sulla probabilità (PMRA).

Metodi: abbiamo condotto uno studio multicentrico prospettico che ha coinvolto 4.882 pazienti in 3 ospedali (2016-2023). Dopo aver applicato i criteri di inclusione, 1.953 pazienti del centro primario sono stati assegnati al modello di forma e test (rapporto 7: 3). La convalida esterna includeva coorti prospettici di 286 e 176 pazienti da due centri indipendenti.13 Gli algoritmi ML e i modelli di nomogrammi tradizionali sono stati sistematicamente valutati utilizzando PMRA. Abbiamo confrontato i modelli utilizzando le caratteristiche preoperatorie da soli rispetto a quelli che incorporano dati di patologia di sezione congelata sia preoperatoria che intraoperatoria. La selezione delle funzioni ha utilizzato sei metodi, con la selezione basata su L1 che si rivela ottimale per la maggior parte delle previsioni. L'interpretazione del modello è stata migliorata attraverso la visualizzazione delle spiegazioni additive di Shapley (SHAP).