Development and validation of a machine learning model to predict early recurrence after surgery in NSCLC patients
9.0
来源：
Nature
关键字：
AI brain science
发布时间：
2025-11-26 03:37
摘要：
本研究开发了一种机器学习模型，旨在预测非小细胞肺癌患者术后两年内的早期复发风险。该模型基于3171名患者的数据，采用多种机器学习算法进行构建，并通过外部验证显示出良好的预测性能（AUC=0.81）。研究结果表明，pT分期、肿瘤直径和肿瘤标志物是影响复发风险的主要因素。该模型为个性化治疗决策提供了重要工具，未来需在多中心进行前瞻性验证。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
1.0
关键证据
该模型在外部验证中显示出AUC值为0.8043，准确率为0.84。
使用SHAP方法分析了影响早期复发的关键因素，包括pT分期和肿瘤直径。
研究涉及3171名患者的数据，具有较强的统计学基础和临床相关性。
真实性检查
否
AI评分总结
本研究开发了一种机器学习模型，旨在预测非小细胞肺癌患者术后两年内的早期复发风险。该模型基于3171名患者的数据，采用多种机器学习算法进行构建，并通过外部验证显示出良好的预测性能（AUC=0.81）。研究结果表明，pT分期、肿瘤直径和肿瘤标志物是影响复发风险的主要因素。该模型为个性化治疗决策提供了重要工具，未来需在多中心进行前瞻性验证。