Geslachtspecifieke machine learning-modellen om uitzaaiingen op afstand bij leverkanker te voorspellen (GENDER-HCC-MET)

Studieopzet en doelstelling:

Dit was een retrospectieve, populatiegebaseerde cohortstudie die gebruik maakte van gegevens uit de Surveillance, Epidemiology, and End Results (SEER)-database. De primaire doelstelling was om de incidentie systematisch te vergelijken en geslachtsgebonden determinanten van uitzaaiingen op afstand bij patiënten met hepatocellulair carcinoom (HCC) te identificeren. Een secundaire doelstelling was om afzonderlijke, hoogwaardige voorspellende modellen voor machine learning (ML) te ontwikkelen en te valideren voor het risico op uitzaaiingen op afstand, toegesneden op mannelijke en vrouwelijke patiënten.

Gegevensbron en deelnemers:

Gegevens werden geëxtraheerd uit 22 SEER-registers die patiënten omvatten bij wie HCC werd gediagnosticeerd tussen 2004 en 2022. Voor inclusie was een pathologische diagnose van HCC vereist. Belangrijke uitsluitingscriteria waren: ontbrekende gegevens over ras, burgerlijke staat, tumorgraad of chirurgische status; niet-eerste primaire maligniteit; en onvolledige TNM-stadiëringsgegevens. Na toepassing van de criteria werden 19.019 patiënten opgenomen in de uiteindelijke analyse (14.575 mannen, 4.444 vrouwen).

Variabelen en definities:

De uitkomstvariabele was de status van uitzaaiingen op afstand bij diagnose, gedichotomiseerd als M0 (geen uitzaaiing) of M1 (uitzaaiing) op basis van consistente AJCC-criteria. Voorspellende variabelen omvatten: leeftijd, geslacht, ras, tumorgraad, burgerlijke staat, chirurgische behandeling (gecategoriseerd als niet-chirurgie, lokale therapie, chirurgische resectie of levertransplantatie), radiotherapie, chemotherapie, jaarlijks huishoudinkomen en woonplaats (gebaseerd op bevolkingsomvang). Om vergelijkbaarheid tussen verschillende edities van het AJCC-stadiëringshandboek te waarborgen, werd het T-stadium gegroepeerd als T0-2 (gelokaliseerd) versus T3-4 (lokaal gevorderd), en het N-stadium als N0 versus N1.

Statistische en machine learning-analyse:

Univariate en multivariabele logistische regressieanalyses werden uitgevoerd om factoren te identificeren die onafhankelijk geassocieerd zijn met uitzaaiingen op afstand, gestratificeerd naar geslacht.

Voor voorspellende modellering werd de dataset willekeurig gesplitst in een trainingsset (80%) en een interne testset (20%). Acht machine learning-algoritmen werden ontwikkeld en vergeleken: Logistische Regressie, Random Forest, XGBoost, LightGBM, AdaBoost, Decision Tree, Gradient Boosting Decision Tree (GBDT) en Multilayer Perceptron. Modelhyperparameters werden geoptimaliseerd met behulp van 10-voudige kruisvalidatie op de trainingsset. De uiteindelijke modellen werden geëvalueerd op de onafhankelijke testset. Modelprestaties werden beoordeeld met behulp van de Area Under the Receiver Operating Characteristic Curve (AUC), nauwkeurigheid, sensitiviteit, specificiteit, F1-score, kalibratiecurven en Decision Curve Analysis (DCA). De interpreteerbaarheid van het best presterende model werd verbeterd met behulp van Shapley Additive Explanations (SHAP).