基於11647例臨床數據，法國團隊首次實現基於機器學習的HCC肝移植雙重死亡風險精準預測
研究背景與意義
這一研究針對性填補了此前機器學習模型在精準評估HCC肝移植候選者尤其是雙重風險研究方面的空白，實現了HCC肝移植候選者3個月等待期死亡率的精準預測與風險分層。
技術方法
研究融合了集成學習與SHAP可解釋分析，通過機器學習模型對臨床數據進行深度挖掘，提升了預測的準確性與模型的可解釋性。
關鍵成果
- 基於11647例真實臨床數據訓練模型，確保結果的可靠性和代表性。
- 成功實現對HCC肝移植候選者雙重死亡風險的精準預測，涵蓋術前與術後死亡風險。
- 模型可有效識別高風險患者，為臨床決策提供科學依據。
應用前景
該成果有望廣泛應用於肝移植臨床實踐，提升患者生存率，併為個性化醫療提供技術支持。