Explainable Machine Learning for Predicting Early Gastric Cancer
Ориентир для пациента и семьи
Простыми словами
Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.
- Что изучают
- Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
- Кому может быть актуально
- Состояния в реестре: Early Gastric Cancer. Базовые параметры: Без ограничений · Все.
- Что важно проверить
- Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
- Где проводится
- Китай
- Следующий шаг
- Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →
Не всё понятно в терминах? Прочитайте наш гид для пациентов →
Официальное название
Explainable Machine Learning for Predicting Early Gastric Cancer: a Retrospective Cohort Study
Обзор
Abstract Background: Early detection of gastric cancer is crucial for improving patient survival rates. Currently, the primary method for diagnosing early-stage gastric cancer is endoscopy, which has various limitations. Additionally, single laboratory tests continue to fall short of the requirements for early screening. This study aims to develop a machine learning (ML) model using clinical data to predict early-stage gastric cancer and apply SHapley Additive exPlanation (SHAP) values to explain the ML model. Methods: This study involved patients who provided gastric tissue samples at Wenzhou Central Hospital from 2019 to 2023. The investigators gathered various laboratory test results from these patients. The investigators constructed and evaluated nine ML models to predict early-stage gastric cancer, using the area under the curve (AUC), accuracy, and sensitivity to assess their performance. For the most effective prediction model, The investigators utilized the SHAP method to determine the features' importance and explain the ML model.
Первичные конечные точки
- Explainable machine learning for predicting early gastric cancer [Срок оценки: From June 2025 to July 2025]
Вторичные конечные точки (1)
- Explainable machine learning for predicting early gastric cancer [Срок оценки: From June 2025 to July 2025]
Критерии участия
Критерии включения
- all patients with a gastric tissue pathology result are included
Критерии исключения
- unclear or incomplete pathology results
- significant missing laboratory data
- progressive and advanced gastric cancer
Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.
Дизайн исследования
- Модель наблюдения
- Когортное
Центры проведения
Китай · 1 центр
- Wenzhou Central Hospital — Wenzhou
Идентификаторы
NCT: NCT07047937 · 202506031607000064611