单核计数预测模型

术前无创预判转移

利用常规血液指标构建可解释机器学习模型，术前无创预测宫颈癌淋巴结转移，避免不必要的手术创伤。

Shen, Hui · Jiang, Yuting · Zhang, Lihe · Zheng, Qiao · Han, Bai · Wu, Lihong · Du, Liu · Xie, Hongning

Frontiers in Immunology 2025

参数信息

淋巴结转移预测 AUC

0.86

淋巴结转移预测 AUC

0.79

淋巴结转移预测 AUC

0.76

技术优势

模型可解释

采用 SHAP 方法量化每个特征对预测的贡献，为临床决策提供透明依据，而非黑箱输出。

前瞻性验证

模型在前瞻性招募的 54 例患者中验证，AUC 达到 0.76，显示在真实临床环境中的潜在适用性。

应用场景

• 宫颈癌淋巴结转移预测：术前用血常规数据预测淋巴结转移，替代部分传统影像评估。
• 术前风险评估：术前量化淋巴结转移风险，指导是否行淋巴结清扫等治疗。
• 临床决策支持：提供可解释的风险评分，辅助医生制定个体化治疗方案。
• 多模态诊断：结合临床分期、肿瘤标志物和血细胞计数多模态信息联合预测。