Development and validation of machine learning models for assessing the risk of postoperative venous thromboembolism in cervical cancer patients
8.0
来源：
Nature
关键字：
multi-omics
发布时间：
2025-11-28 04:05
摘要：
本研究开发了一种基于机器学习的模型，用于评估宫颈癌患者术后静脉血栓栓塞(VTE)的风险。通过分析1044个病例，随机森林模型表现最佳，AUC达到0.852，显示出良好的预测能力。研究结果表明，该模型可以为临床提供个性化的风险评估工具，具有较高的应用潜力。
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
0.5
关键证据
随机森林模型的AUC为0.852，显示出最佳性能。
研究使用了1044个病例数据，提供了具体的实验数据。
模型的开发和验证过程具有较高的科学性和创新性。
真实性检查
否
AI评分总结
本研究开发了一种基于机器学习的模型，用于评估宫颈癌患者术后静脉血栓栓塞(VTE)的风险。通过分析1044个病例，随机森林模型表现最佳，AUC达到0.852，显示出良好的预测能力。研究结果表明，该模型可以为临床提供个性化的风险评估工具，具有较高的应用潜力。