Porównanie sześciu różnych metod uczenia maszynowego z tradycyjnym modelem dla zespołu resekcji przedniej niskiego stopnia po minimalnie inwazyjnej operacji raka odbytnicy -- Opracowanie i zewnętrzna walidacja nomogramu : Badanie kohortowe w dwóch ośrodkach

Po dokładnym przeszukaniu na podstawie kryteriów włączenia i wykluczenia, pacjenci z dwóch dużych ośrodków medycznych zostali podzieleni na dwie kohorty do tego badania. Kohorta 1 służyła głównie jako zestaw treningowy i wewnętrznej walidacji, podczas gdy Kohorta 2 została wykorzystana do zewnętrznej walidacji modelu predykcyjnego zbudowanego z Kohorty 1. Wykorzystaliśmy sześć różnych metod uczenia maszynowego, w tym DT, RF, XGBOOST, SVM, lightGBM i SHLNN, oprócz konwencjonalnej regresji logistycznej do stworzenia modelu predykcyjnego. Wybraliśmy podejście o najlepszej czułości i specyficzności, porównując wskaźnik zgodności (C-index) podobny do pola pod krzywą ROC (AUC) tych siedmiu różnych metod budowania modeli. Model predykcyjny dla Kohorty 1 został następnie zbudowany przy użyciu tej metody, a wewnętrzna walidacja została zakończona. Na koniec, Kohorta 2 przeszła zewnętrzną walidację modelu predykcyjnego.