Machine‐Based Learning Hierarchical Cluster Analysis: Sex‐Based Differences in Prognosis Following Resection of Hepatocellular Carcinoma
Notice bibliographique
Résumé
BACKGROUND: Patients with hepatocellular carcinoma (HCC) may have a heterogeneous presentation, as well as different long-term outcomes following surgical resection. We sought to use machine learning to cluster patients into different prognostic groups based on preoperative characteristics. METHODS: Patients who underwent curative-intent liver resection for HCC between 2000 and 2020 were identified from a large international multi-institutional database. A hierarchical cluster analysis was performed based on preoperative factors to characterize patterns of presentation and define disease-free survival (DFS). RESULTS: Among 966 with HCC, 3 distinct clusters were identified: Cluster 1 (n = 160, 16.5%), Cluster 2 (n = 537, 55.6%) and Cluster 3 (n = 269, 27.8%). Cluster 1 (n = 160, 16.5%) consisted of female patients (n = 160, 100%), low inflammation-based scores, intermediate tumor burden score (TBS) (median: 4.71) and high alpha-fetoprotein (AFP) levels (median 41.3 ng/mL); Cluster 2 consisted of male individuals (n = 537, 100%), mainly with a history of HBV infection (n = 429, 79.9%), low inflammation-based scores, intermediate AFP levels (median 26.0 ng/mL) and lower TBS (median 4.49); Cluster 3 was comprised of older patients (median age 68 years) predominantly male (n = 248, 92.2%) who had low incidence of HBV/HCV infection (7.1% and 8.2%, respectively), intermediate AFP levels (median 16.8 ng/mL), high inflammation-based scores and high TBS (median 6.58). Median DFS worsened incrementally among the three different clusters with Cluster 3 having the lowest DFS (Cluster 1: median not reached; Cluster 2: 34 months, 95% CI 23.0-48.0, Cluster 3: 19 months, 95% CI 15.0-29.0, p < 0.05). CONCLUSION: Cluster analysis classified HCC patients into three distinct prognostic groups. Cluster assignment predicted DFS following resection of HCC with the female cluster having the most favorable prognosis following HCC resection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».