Comparaison de la performance prédictive de trois systèmes de stadification ganglionnaire dans le carcinome colorectal à cellules en anneau Signet basé sur un modèle d’apprentissage automatique

Cette étude évalue les systèmes pronostiques des patients atteints d’un carcinome colorectal à cellules en anneau à l’aide de modèles d’apprentissage automatique et d’analyses de risque concurrentes. Il identifie les probabilités logarithmiques de ganglions lymphatiques positifs comme un prédicteur supérieur par rapport à la stadification pN, démontrant une forte performance prédictive et aidant à la prise de décision clinique grâce à des outils de prédiction de survie robustes.

L’état des ganglions lymphatiques est un prédicteur pronostique essentiel pour les patients ; cependant, le pronostic du carcinome colorectal à cellules en anneau (CCRS) a suscité peu d’attention. Cette étude examine la capacité prédictive pronostique des cotes logarithmiques de ganglions lymphatiques positifs (LODDS), du rapport des ganglions lymphatiques (LNR) et de la stadification pN chez les patients atteints de SRCC à l’aide de modèles d’apprentissage automatique (Random Forest, XGBoost et Neural Network) ainsi que de modèles de risque concurrents. Les données pertinentes ont été extraites de la base de données SEER (Surveillance, Epidemiology, and End Results). Pour les modèles d’apprentissage automatique, les facteurs pronostiques de survie spécifique au cancer (CSS) ont été identifiés à l’aide d’analyses de régression de Cox univariées et multivariées, suivies de l’application de trois méthodes d’apprentissage automatique - XGBoost, RF et NN - pour déterminer le système optimal de stadification des ganglions lymphatiques. Dans le modèle de risque concurrent, des analyses de risque concurrentes univariées et multivariées ont été utilisées pour identifier les facteurs pronostiques, et un nomogramme a été construit pour prédire le pronostic des patients atteints de SRCC. L’aire sous la courbe caractéristique de fonctionnement du récepteur (AUC-ROC) et les courbes d’étalonnage ont été utilisées pour évaluer les performances du modèle. Au total, 2 409 patients atteints de CCRS ont été inclus dans cette étude. Pour valider l’efficacité du modèle, une cohorte supplémentaire de 15 122 patients atteints de cancer colorectal, à l’exclusion des cas de SRCC, a été incluse pour une validation externe. Les modèles d’apprentissage automatique et le nomogramme de risque concurrent ont montré de solides performances dans la prédiction des résultats de survie. Par rapport à la stadification pN, les systèmes de stadification LODDS ont démontré une capacité de pronostic supérieure. Après évaluation, les modèles d’apprentissage automatique et les modèles de risque concurrents ont atteint d’excellentes performances prédictives caractérisées par une bonne discrimination, un bon étalonnage et une bonne interprétabilité. Nos résultats peuvent aider à éclairer la prise de décision clinique pour les patients.

Le cancer colorectal (CCR) se classe au troisième rang des tumeurs malignes les plus répandues dans le monde ^1,2,3. Le carcinome à cellules en anneau (SRCC), un sous-type rare de CCR, représente environ 1 % des cas et se caractérise par une mucine intracellulaire abondante déplaçant le noyau cellulaire ^1,2,4. Le SRCC est souvent associé à des patients plus jeunes, a une prévalence plus élevée chez les femmes et a des stades tumoraux avancés au moment du diagnostic. Comparé à l’adénocarcinome colorectal, le SRCC présente une différenciation plus faible, un risque plus élevé de métastases à distance et un taux de survie à 5 ans de seulement 12 % à 20 %^5,6. L’élaboration d’un modèle pronostique précis et efficace pour le SRCC est cruciale pour optimiser les stratégies de traitement et améliorer les résultats cliniques.

Cette étude vise à construire un modèle pronostique robuste pour les patients atteints de SRCC en utilisant des approches statistiques avancées, y compris l’apprentissage automatique (ML) et des modèles de risque concurrents. Ces méthodologies peuvent s’adapter à des relations complexes dans les données cliniques, en offrant des évaluations des risques individualisées et en surpassant les méthodes traditionnelles en termes de précision prédictive. Les modèles d’apprentissage automatique, tels que Random Forest, XGBoost et Neural Networks, excellent dans le traitement de données de grande dimension et l’identification de modèles complexes. Des études ont montré que les modèles d’IA prédisent efficacement les résultats de survie dans le cancer colorectal, mettant l’accent sur le potentiel de l’apprentissage automatique dans les applications cliniques ^7,8. En complément de l’AA, les modèles de risque concurrents abordent plusieurs types d’événements, tels que la mortalité spécifique au cancer par rapport à d’autres causes de décès, afin d’affiner l’analyse de survie. Contrairement aux méthodes traditionnelles comme l’estimateur de Kaplan-Meier, les modèles de risque concurrents estiment avec précision la probabilité marginale des événements en présence de risques concurrents, fournissant des évaluations de survie plus précises⁸. L’intégration du ML et de l’analyse des risques concurrents améliore les performances prédictives, offrant un cadre puissant pour les outils de pronostic personnalisés dans SRCC ^9,10,11.

Les métastases ganglionnaires influencent significativement le pronostic et la récidive chez les patients atteints de CCR. Bien que l’évaluation du stade N dans la classification TNM soit critique, un examen inadéquat des ganglions lymphatiques - signalé dans 48 % à 63 % des cas - peut conduire à une sous-estimation de la maladie. Pour résoudre ce problème, d’autres approches telles que le rapport des ganglions lymphatiques (LNR) et les log-odds des ganglions lymphatiques positifs (LODDS) ont été introduites. La LNR, c’est-à-dire le rapport entre les ganglions lymphatiques positifs (PLN) et les ganglions lymphatiques totaux (TLN), est moins affectée par le nombre de TLN et sert de facteur pronostique dans le CCR. LODDS, le rapport logarithmique des PLN aux ganglions lymphatiques négatifs (NLN), a montré une capacité prédictive supérieure dans le SRCC gastrique et le cancer colorectal^10,11. L’apprentissage automatique est de plus en plus appliqué en oncologie, avec des modèles améliorant la stratification des risques et les prédictions pronostiques pour divers cancers, notamment les cancers du sein, de la prostate et du poumon 12,13,14. Cependant, son application dans le CCRS colorectal reste limitée.

Cette étude vise à combler cette lacune en intégrant LODDS au ML et aux modèles de risque concurrents afin de créer un outil de pronostic complet. En évaluant la valeur pronostique de LODDS et en tirant parti de techniques prédictives avancées, cette recherche vise à améliorer la prise de décision clinique et à améliorer les résultats pour les patients atteints de CCSR.

Cette étude ne fait pas référence à l’approbation éthique et au consentement à participer. Les données utilisées dans cette étude ont été obtenues à partir de bases de données. Nous avons inclus des patients diagnostiqués avec un carcinome colorectal à cellules en anneau de 2004 à 2015, ainsi que d’autres types de cancer colorectal. Les critères d’exclusion comprenaient les patients dont la durée de survie était inférieure à un mois, ceux dont les informations clinicopathologiques étaient incomplètes et les cas dont la cause du décès n’était pas claire ou précisée.

1. Acquisition de données

1. Télécharger SEER. Obtenir le logiciel de statistiques 8.4.3 à partir du site Web de la base de données SEER (http://seer.cancer.gov/about/overview.html). Après vous être connecté au logiciel, cliquez sur Session de liste de cas > Données et sélectionnez la base de données Incidence SEER Research Plus, 17 registres, Nov 2021 Sub (2000-2019).
2. Cliquez sur Sélection > Modifier et choisissez {Race, Sexe, Année Dx. Année de diagnostic} = '2004', '2005', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015' ET {Site et morphologie. Recodage du site CIM-O-3/OMS 2008} = « 8490/3 ».
3. Cliquez ensuite sur Tableau, et dans l’interface des variables disponibles, sélectionnez Recodage de l’âge avec âges uniques et 100+, Sexe, Mariage, Recodage du site ICD-O-3/OMS 2008, Taille de la tumeur CS, nodes_examined régional (1988+), nodes_positive régional (1988+), Groupe de stade AJCC dérivé, 6e édition (2004-2015), AJCC T dérivé, 6e édition (2004-2015), AJCC N, 6e édition (2004-2015), AJCC M dérivé, 6e éd. (2004-2015), CEA, recodage des radiations, recodage de la chimiothérapie (oui, non/unk), classification des décès spécifiques à la cause SEER, recodage de l’état vital (seuil de l’étude utilisé), mois de survie, année du diagnostic.
4. Enfin, cliquez sur Sortie, nommez les données, puis cliquez sur Exécuter pour afficher et enregistrer les données. Le processus d’inclusion détaillé est illustré à la figure 1.
5. Téléchargez les données des patients atteints de cancer colorectal, à l’exclusion des cas de SRCC, pour une validation externe ultérieure. Cliquez sur Sélection > Modifier et choisissez {Race, Sexe, Année Dx. Année du diagnostic} = '2004', '2005', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015' ET {Site principal - étiqueté} = 'C18-C20'. Répétez les étapes 1.3 et 1.4 pour obtenir des informations pathologiques cliniques et exclure les échantillons avec {Site et morphologie. Recodage du site ICD-O-3/OMS 2008} = « 8490/3 » à partir du fichier téléchargé.
6. À des fins de comparaison, traitez plusieurs variables. Classez l’état des ganglions lymphatiques à l’aide du rapport des ganglions lymphatiques (LNR) et du logarithme des probabilités d’être positifs pour les ganglions lymphatiques (LODDS).
   1. Définir la LNR comme le rapport entre les ganglions lymphatiques positifs (PLN) et les ganglions lymphatiques totaux (TLN). Calculez la valeur LODDS à l’aide de la formule :
      loge(nombre de NLP + 0,5) / (nombre de ganglions lymphatiques négatifs (NLN) + 0,5)
      où 0,5 a été ajouté pour éviter un résultat infini. Les valeurs seuils pour le LNR, le LODDS et la taille de la tumeur ont été déterminées à l’aide du logiciel X-tile (version 3.6.1) sur la base de la méthode de la valeur P minimale.
7. Ouvrez le logiciel X-tile, cliquez sur Fichier > Ouvrir, puis sélectionnez le fichier de données pour l’importer dans le logiciel. Une fois les données chargées, mappez les variables : Censor correspond au statut de survie, Temps de survie correspond au temps de survie et marqueur1 est la variable à analyser, en veillant à ce que les données correspondent correctement.
8. Ensuite, cliquez sur Do > Kaplan-Meier > Marker1 pour effectuer l’analyse de survie de Kaplan-Meier et générer la courbe de survie. Sur la base de la séparation des courbes de survie de Kaplan-Meier, de la signification statistique (par exemple, la valeur p) et de la pertinence clinique, déterminez la valeur seuil optimale et, enfin, enregistrez ou exportez les résultats de l’analyse.
   1. Divisez le LNR en trois groupes : LNR 1 (≤0,16), LNR 2 (0,16 - 0,78) et LNR 3 (≥ 0,78). Catégorisez les patients en trois groupes en fonction de LODDS : LODDS 1 (≤ -1,44), LODDS 2 (-1,44 - 0,86) et LODDS 3 (≥ 0,86).
   2. Classez la taille de la tumeur en trois catégories : ≤ 3,5 cm, 3,5 à 5,5 cm et ≥ 5,5 cm. Convertissez l’âge d’une variable continue en une variable catégorielle. Classez l’âge des patients au moment du diagnostic initial en deux catégories : ≥60 ans et <60 ans. Classez l’emplacement de la tumeur en fonction de la distribution des tumeurs du carcinome à cellules en anneau (SRCC) comme côlon droit, côlon gauche et rectum. Le côlon droit comprend le cæcum, le côlon ascendant, la flexion hépatique et le côlon transverse, tandis que le côlon gauche comprend la flexion splénique, le côlon descendant, le côlon sigmoïde et la jonction rectosigmoïde.
9. Pour cette étude, attribuez au hasard un total de 2409 données de patients éligibles avec SRCC à une cohorte d’entraînement (N = 1686) et à une cohorte de validation (N = 723) dans un rapport de 7:3. Utilisez le code suivant pour le fractionnement aléatoire et les data.csv sources à partir de la base de données SEER. Les fichiers générés après le fractionnement aléatoire seront utilisés pour une analyse plus approfondie.
   Bibliothèque (CARET)
   Données <- read.csv (« data.csv »)
   set.seed(123)
   train_indices <- createDataPartition(data$variable, p = 0.7, list = FALSE)
   train_data <- Données[train_indices, ]
   test_data <- données[-train_indices, ]
   write.csv(train_data, « traindata.csv », row.names = FAUX)
   write.csv(test_data, « testdata.csv », row.names = FAUX)

2. Développement et vérification de modèles ML

1. Téléchargez les logiciels RStudio (2024.04.2+764) et R (4.4.1). Ouvrez RStudio pour exécuter le logiciel R. Cliquez sur Nouveau fichier et sélectionnez Script R pour créer une nouvelle interface de programmation R. Entrez le code approprié dans l’éditeur de code et cliquez sur Exécuter pour exécuter le code.
2. Utilisez le code suivant pour filtrer les variables incluses dans les modèles ML par l’analyse de régression de Cox. De plus, explorez l’impact du LODDS, du LNR et de la stadification pN sur la survie spécifique au cancer (CSS) chez les patients atteints de SRCC. La traindata.csv est constituée de données obtenues à partir de la base de données SEER.
   Bibliothèque (« Survie »)
   Bibliothèque (« Survminer »)
   Bibliothèque (« RMS »)
   Bibliothèque (« dplyr »)
   Données <- read.csv (« traindata.csv »)
   data$time=as.numeric(data$time)
   data$status=as.numeric(data$status)
   variables <- c(« Sexe », « Âge », « Race », « Mariage », « Stade », « T », « N », « M »,"Tumor_size », « LNR », « LODDS », « CEA »,"Radiothérapie », « Chimiothérapie », « Site »)
   données <- données %> %
   mutate(across(all_of(variables), as.factor))
   cox=coxph(Surv(temps, état) ~ données$T, données = données)
   cox$coefficients
   pval=anova(cox)$Pr[2]
   clean_data=données[,c(1:12, 14:18)]
   get_coxVariable=Fonction(your_data,Index){cox_list=C() k=1
   for (i dans 1 :index) {mod=coxph(Surv(temps, état) ~ your_data[,i],data=your_data) pval=anova(mod)$Pr[2] print(pval) print(colnames(your_data)[i]) if (pval<0.05) {cox_list[k]=colnames(your_data)[i] k=k+1}}return(cox_list)}
   variable_select=get_coxVariable(clean_data,15)
   for(i en 1:15){print(variable_select[i])}
   for (var dans variable_select) {formula <- as.formula(paste(« Surv(temps, état) ~ », var))cox_model <- coxph(formule, données = données) print(summary(cox_model))
   ggforest(cox)
   variables <- c(« Sexe », « Âge », « Race », « Mariage », « Stade », « T », « N », « M », « Tumor_size », « LNR », « LODDS », « Chimiothérapie »)
   données <- données %> %
   mutate(across(all_of(variables), as.factor))
   cox=coxph(Surv(temps, statut) ~ Sexe+Âge+Race+Marital+T+N+M+Tumor_size+LNR+
   LODDS+Chimiothérapie,données = données)
   ggforest(cox,données = données)
   ggplot_forest <- ggforest(cox, données = données)
3. Utilisez le code suivant pour comparer les capacités de prédiction pronostique de trois systèmes LN (LODDS, LNR et pN staging) dans les cohortes d’entraînement, de validation et de validation externe.
   Bibliothèque (RMS)
   Bibliothèque(Survie)
   Bibliothèque(Survminer)
   bibliothèque(risqueRégression)
   Bibliothèque(gt)
   train_data <- read.csv(« train_data123.csv »)
   validation_data <- read.csv(« test_data123.csv »)
   dd <- datadist(train_data)
   options(datadist = « jj »)
   model_LNR <- cph(Surv(temps, état) ~ LNR, données = train_data, x = VRAI, y = VRAI)
   model_LODDS <- cph(Surv(temps, état) ~ LODDS, données = train_data, x = VRAI, y = VRAI)
   model_pN <- cph(Surv(temps, état) ~ N, données = train_data, x = VRAI, y = VRAI)
   calculate_performance <- function(model, data) {pred <- predict(model, newdata = data) c_index_result <- concordance(Surv(data$time, data$status) ~ pred) c_index <- c_index_result$concordance aic <- AIC(model) bic <- BIC(model) return(c(C_index = round(c_index, 3), AIC = round(aic, 2), BIC = round(bic, 2)))}
   calculate_performance <- function(model, data) {pred <- predict(model, newdata = data, type = « lp ») concordance_result <- concordancefit(Surv(data$time, data$status), x = pred) c_index <- concordance_result$concordance ci_lower <- c_index - 1.96 * sqrt(concordance_result$var) ci_upper <- c_index + 1.96 * sqrt(concordance_result$var) aic <- AIC(model) bic <- BIC(model) return(c(C_Index = round(c_index, 3), CI_Lower = rond(ci_lower, 3), CI_Upper = rond(ci_upper, 3), AIC = rond(aic, 2), BIC = rond(bic, 2)))}
   train_LNR <- calculate_performance(model_LNR, train_data)
   train_LODDS <- calculate_performance(model_LODDS, train_data)
   train_pN <- calculate_performance(model_pN, train_data)
   model_LNR_val <- cph(Surv(temps, état) ~ LNR, données = validation_data, x = VRAI, y = VRAI)
   model_LODDS_val <- cph(Surv(temps, état) ~ LODDS, données = validation_data, x = VRAI, y = VRAI)
   model_pN_val <- cph(Surv(temps, état) ~ N, données = validation_data, x = VRAI, y = VRAI)
   val_LNR <- calculate_performance(model_LNR_val, validation_data)
   val_LODDS <- calculate_performance(model_LODDS_val, validation_data)
   val_pN <- calculate_performance(model_pN_val, validation_data)
   results <- data.frame(Variable = c(« LNR », « LODDS », « pN »), Training_C_Index = c(paste(train_LNR["C_Index"], « (« , train_LNR["CI_Lower"], « , train_LNR["CI_Upper"], « ) », sep = «  »), paste(train_LODDS["C_Index"], « (« , train_LODDS["CI_Lower"], « , train_LODDS["CI_Upper"], « ) », sep = «  »), paste(train_pN["C_Index"], « (« , train_pN["CI_Lower"], « , « , train_pN["CI_Upper"], « ) », sep = «  »)), Training_AIC = c(train_LNR["AIC"], train_LODDS["AIC"], train_pN["AIC"]), Training_BIC = c(train_LNR["BIC"], train_LODDS["BIC"], train_pN["BIC"]), Validation_C_Index = c(paste(val_LNR["C_Index"], « (« , val_LNR["CI_Lower"], « , « , val_LNR["CI_Upper"], « ) », sep = «  »), paste(val_LODDS["C_Index"], « (« , val_LODDS["CI_Lower"], « , « , val_LODDS["CI_Upper"], « ) », sep = «  »), paste(val_pN["C_Index"], « (« , val_pN["CI_Lower"], « , « , val_pN["CI_Upper"], « ) », sep = «  »)), Validation_AIC = c(val_LNR["AIC"], val_LODDS["AIC"], val_pN["AIC"]), Validation_BIC = c(val_LNR["BIC"], val_LODDS["BIC"], val_pN["BIC"]))
   results_table <- gt(résultats) %> %
   tab_header(titre = « Performance de prédiction des trois systèmes de stadification ganglionnaire ») %> %
   cols_label(Variable = « Variable »,Training_C_Index = « Indice C (IC à 95 %) (Formation) », Training_AIC = « AIC (Formation) », Training_BIC = « BIC (Formation) », Validation_C_Index = « Indice C (IC à 95 %) (Validation) », Validation_AIC = « AIC (Validation) », Validation_BIC = « BIC (Validation) »)
   write.csv(résultats, « prediction_performance.csv », row.names = FAUX)
4. Utilisez le code suivant pour créer un modèle XGBoost et générer des graphiques à barres de l’importance relative des variables, afin de comparer l’importance des trois systèmes LN. De même, générez des courbes ROC et des courbes d’étalonnage. Les données sont obtenues à partir de la base de données SEER.
   Bibliothèque(xgboost)
   Bibliothèque (CARET)
   bibliothèque(pROC)
   train_data <- read.csv(« train_data.csv »)
   test_data <- read.csv(« test_data.csv »)
   train_matrix <- xgb. DMatrix(data = as.matrix(train_data[, c('Âge', 'T', 'N', 'M', 'LODDS', 'Chimiothérapie')]), label = train_data$status)
   test_matrix <- xgb. DMatrix(data = as.matrix(test_data[, c('Age', 'T', 'N', 'M', 'LODDS', 'Chimiothérapie')]), label = test_data$status)
   params <- list(booster = « gbtree », objective = « binary :logistic », eval_metric = « AUC », eta = 0.1, max_depth = 6, sous-échantillon = 0.8, colsample_bytree = 0.8)
   xgb_model <- xgb.train(paramètres = paramètres, données = train_matrix, nrounds = 100, watchlist= list(train = train_matrix), verbeux = 1)
   pred_probs <- predict(xgb_model, newdata = test_matrix)
   pred_labels <- ifelse(pred_probs > 0.5, 1, 0)
   conf_matrix <- confusionMatrix(as.factor(pred_labels), as.factor(test_data$status))
   roc_curve <- roc(test_data$status, pred_probs)
   auc_value <- AUC(roc_curve)
   ci_auc <- ci.auc(roc_curve)
   sensibilité <- conf_matrix$byClass["Sensibilité"]
   spécificité <- conf_matrix$byClass["Spécificité"]
   précision <- conf_matrix$global["Accuracy"]
   ppv <- conf_matrix$byClass["Valeur du Pos Pred"]
   npv <- conf_matrix$byClass["Valeur de Pred Nég»]
   result_table <- data.frame(Modèle = « XGBoost », AUC = sprintf(« %.3f ( %.3f- %.3f) », auc_value, ci_auc[1], ci_auc[3]), Sensibilité = sprintf(« %.3f », sensibilité), Spécificité = sprintf(« %.3f », spécificité), Précision = sprintf(« %.3f », précision), PPV = sprintf(« %.3f », ppv), NPV = sprintf(« %.3f », npv))
   write.csv(result_table, « xgboost_model_performance.csv », row.names = FAUX)
   roc_df <- data.frame(FPR = 1 - roc_curve$spécificités, TPR = roc_curve$sensibilités)
   roc_plot <- ggplot(roc_df, aes(x = FPR, y = TPR)) +geom_line(color = « steelblue », size = 1.2) + geom_abline(intercept = 0, slope = 1, linetype = « dashed », color = « gray ») + annotate(« text », x = 0.9, y = 0.2, label = paste(« AUC = », round(auc_value, 3)), size = 5, color = « black ») + labs(title = « Courbe ROC pour le modèle XGBoost », x = « Taux de faux positifs », y = « Taux de vrais positifs ») + theme_minimal() + theme(panel.border = element_rect(color = « noir », fill = NA, taille = 1))
   calibration_data <- data.frame(Statut = as.factor(test_data$status), pred_probs = pred_probs)
   calib_model <- calibration(Statut ~ pred_probs, données = calibration_data, classe = « 1 », coupes = 5)
   ggplot(calib_model$data, aes(x = point médian, y = Pourcentage)) + geom_line(couleur = « bleu acier », taille = 1) + geom_point(couleur = « rouge », taille = 2) + geom_abline(ordonnée à l’origine = 0, pente = 1, linetype = « pointillé », couleur = « noir ») +labs(title = « Courbe d’étalonnage pour le modèle XGBoost », x = « Probabilité prédite », y = « Proportion observée ») + theme_minimal() + theme(panel.border = element_rect(color = « black », fill = NA, size = 0.5))
5. Utilisez le code suivant pour construire un modèle RF et générer des graphiques à barres de l’importance relative des variables, comparant ainsi l’importance des trois systèmes LN. De même, générez des courbes ROC et des courbes d’étalonnage. Les données sont obtenues à partir de la base de données SEER.library(randomForest)
   Bibliothèque(dplyr)
   Bibliothèque(ggplot2)
   bibliothèque(pROC)
   Bibliothèque (CARET)
   Bibliothèque (RMS)
   rame <- read.csv(« train_data.csv »)
   testé <- read.csv (« test_data.csv »)
   trainset$status=facteur(trainset$status)
   variables1 <- c(« Âge », « T », « N », « M », « LODDS », « Chimiothérapie »)
   rame <- rame %> %
   mutate(across(all_of(variables1), as.numeric))
   testsed$status=facteur(tested$status)
   Testé <- Testé %> %
   mutate(across(all_of(variables1), as.numeric))
   RF=randomForest(trainset$status ~ Age + T + N + M + LODDS + Chimiothérapie, data=trainset,ntree=100,importance=TRUE,proximity=TRUE)
   imp=importance(RF)
   varImpPlot(RF)
   impvar=rownames(imp)[order(imp[,4],décroissant = TRUE)]
   importance_df <- as.data.frame(imp)
   importance_df$Variables <- rownames(importance_df)
   importance_plot <- ggplot(importance_df, aes(x = reorder(Variables, MeanDecreaseAccuracy), y = MeanDecreaseAccuracy)) +geom_bar(stat = « identité », fill = « steelblue ») +coord_flip() + labs(title = « Importance des variables », x = « Variables », y = « Précision de diminution moyenne ») + theme_minimal()
   pred_probs <- predict(RF, testset, type = « prob »)[,2]
   roc_obj <- roc(testset$status, pred_probs)
   auc_value <- AUC(roc_obj)
   roc_plot <- ggplot() +geom_line(aes(x = 1 - roc_obj$spécificités, y = roc_obj$sensibilités), color = « bleu acier », taille = 1.2) +geom_abline(intercept = 0, slope = 1, linetype = « pointillé », couleur = « gris ») + annotate(« text », x = 0.8, y = 0.2, label = paste(« AUC = », round(auc_value, 3)), color = « black », size = 5, hjust = 0) + labs(title = « Courbe ROC pour modèle de forêt aléatoire », x = « Taux de faux positifs », y = « Taux de vrais positifs ») +theme_minimal() + theme(panel.border = element_rect(color = « noir », remplissage = NA, taille = 1))
   calibration_data <- data.frame(pred_probs = pred_probs, status = testsed$status)
   calib_model <- étalonnage (état ~ pred_probs, données = calibration_data, classe = « 1 », coupes = 5)
   calib_df <- as.data.frame(calib_model[["data"]])
   calib_df$moyen <- calib_df$point médian
   calib_df$Percent <- calib_df$Percent
   calibration_plot <- ggplot(calib_df, aes(x = moyen, y = Pourcentage)) + geom_line(couleur = « bleu acier », taille = 1,2) + geom_point(couleur = « bleu acier », taille = 3) + geom_abline(ordonnée à l’origine = 0, pente = 1, type de ligne = « pointillé », couleur = « noir », taille = 0,8) + labs(titre = « Courbe d’étalonnage pour forêt aléatoire », x = « Probabilité prédite », y = « Probabilité réelle ») + theme_minimal() + theme(panel.border = element_rect(couleur = « noir », fill = NA, taille = 1), plot.title = element_text(hjust = -0.05, vjust = -1.5, face = « bold », size = 12) )
   rf_probs <- predict(RF, newdata=tested, type="prob »)[, 2]
   rf_auc <- roc(tested$status, rf_probs)
   auc_value <- AUC(rf_auc)
   ci_auc <- ci.auc(rf_auc)
   rf_predictions <- predict(RF, newdata=tested)
   conf_matrix <- confusionMatrix(rf_predictions, tested$status)
   sensibilité <- conf_matrix$byClass["Sensibilité"]
   spécificité <- conf_matrix$byClass["Spécificité"]
   précision <- conf_matrix$global["Accuracy"]
   ppv <- conf_matrix$byClass["Valeur du Pos Pred"]
   npv <- conf_matrix$byClass["Valeur de Pred Nég»]
   result_table <- data.frame(Modèle = « RF », AUC = sprintf(« %.3f ( %.3f- %.3f) », auc_value, ci_auc[1], ci_auc[3]), Sensibilité = sprintf(« %.3f », sensibilité), Spécificité = sprintf(« %.3f », spécificité), Précision = sprintf(« %.3f », précision), PPV = sprintf(« %.3f », ppv), NPV = sprintf(« %.3f », npv))
   write.csv(result_table, « RF_model_performance.csv », row.names = FAUX)
6. Utilisez le code suivant pour créer un modèle NN et générer des graphiques à barres de l’importance relative des variables, comparant ainsi l’importance des trois systèmes LN. De même, générez des courbes ROC et des courbes d’étalonnage. Les données sont obtenues à partir de la base de données SEER.library(nnet)
   Bibliothèque (CARET)
   bibliothèque(pROC)
   Bibliothèque(ggplot2)
   train_data <- read.csv(« train_data.csv »)
   test_data <- read.csv(« test_data.csv »)
   train_data$status <- as.factor(train_data$status)
   test_data$status <- as.factor(test_data$status)
   caractéristiques <- c(« Âge », « T », « N », « M », « LODDS », « Chimiothérapie »)
   x_train <- train_data[, fonctionnalités]
   y_train <- train_data$status
   x_test <- test_data[, fonctionnalités]
   y_test <- test_data$status
   nn_model <- nnet(statut ~ Âge + T + N + M + LODDS + Chimiothérapie, données = train_data, taille = 5, décomposition = 0,01, maxit = 200)
   pred_probs <- predict(nn_model, newdata = x_test, type = « brut »)
   pred_labels <- ifelse(pred_probs > 0.5, 1, 0)
   roc_curve <- roc(as.numeric(y_test), pred_probs)
   auc_value <- AUC(roc_curve)
   auc_ci <- ci.auc(roc_curve)
   auc_text <- paste0(round(auc_value, 3), " (« , round(auc_ci[1], 3), « -« , round(auc_ci[3], 3), « ) »)
   conf_matrix <- confusionMatrix(as.factor(pred_labels), y_test)
   précision <- conf_matrix$global["Accuracy"]
   sensibilité <- conf_matrix$byClass["Sensibilité"]
   spécificité <- conf_matrix$byClass["Spécificité"]
   ppv <- conf_matrix$byClass["Valeur du Pos Pred"]
   npv <- conf_matrix$byClass["Valeur de Pred Nég»]
   performance_table <- data.frame(Métrique = c(« AUC (IC à 95 %) », « Précision », « Sensibilité », « Spécificité », « PPV », « NPV »),Valeur = c(auc_text, round(accuracy, 3), round(sensibilité, 3), round(spécificité, 3), round(ppv, 3), round(npv, 3)))
   write.csv(performance_table, « NN_performance_table.csv », row.names = FAUX)
   roc_curve <- Roc(y_test, pred_probs)
   auc_value <- AUC(roc_curve)
   roc_plot <- ggplot() + geom_line(aes(x = 1 - roc_curve$spécificités, y = roc_curve$sensibilités), color = « bleu acier », taille = 1.2) +geom_abline(intercept = 0, pente = 1, linetype = « pointillé », couleur = « gris ») + annotate(« text », x = 0.8, y = 0.2, label = paste(« AUC = », round(auc_value, 3)), color = « black », size = 5, hjust = 0) + labs(title = « Courbe ROC pour le modèle de réseau neuronal », x = « Taux de faux positifs », y = « Taux de vrais positifs ») + theme_minimal() + theme(panel.border = element_rect(color = « noir », remplissage = NA, taille = 1))
   calibration_data <- data.frame(pred_probs = pred_probs, status = as.numeric(y_test) - 1)
   calibration_data$pred_probs <- as.numeric(calibration_data$pred_probs)
   calibration_data$calibration_bin <- cut(calibration_data$pred_probs, breaks = seq(0, 1, by = 0.2), include.lowest = TRUE)
   calibration_summary <- agrégé(statut ~ calibration_bin, données = calibration_data, FUN = moyenne)
   calibration_summary$pred_mean <- aggregate(pred_probs ~ calibration_bin, data = calibration_data, FUN = moyenne)$pred_probs
   calibration_plot <- ggplot(calibration_summary, aes(x = pred_mean, y = status)) + geom_line(color = « steelblue », size = 1.2) + geom_point(color = « red », size = 3) + geom_abline(intercept = 0, slope = 1, linetype = « pointillé », color = « black », size = 0.8) + labs(title = « Courbe d’étalonnage pour le réseau neuronal », x = « Probabilité prédite », y = « Probabilité réelle ») + theme_minimal() + theme(panel.border = element_rect(color = « noir », fill = NA, taille = 1))
   nn_var_importance <- varImp(nn_model)
   importance_df <- data.frame(Caractéristique = noms de lignes(nn_var_importance), Importance = nn_var_importance$Overall )
   importance_plot <- ggplot(importance_df, aes(x = reorder(Feature, Importance), y = Importance)) + geom_bar(stat = « identity », fill = « steelblue ») + coord_flip() + labs(title = « Importance variable pour le réseau neuronal », x = « Features », y = « Importance ») + theme_minimal()

3. Élaboration et vérification de modèles de risque concurrents

1. Utilisez le code suivant pour effectuer une analyse univariée et tracer la courbe de la fonction d’incidence cumulative (CIF). La data.csv est constituée de données obtenues à partir de la base de données SEER. La méthode d’enregistrement des images suivantes sera la même que dans cette étape. Remplacez Site dans le code un par un par d’autres facteurs pour effectuer une analyse univariée de tous les facteurs.
   Bibliothèque(tidycmprsk)
   Bibliothèque(gtsummary)
   Bibliothèque(ggplot2)
   Bibliothèque(ggsurvfit)
   Bibliothèque(ggprism)
   AA <- read.csv (« data.csv »)
   cif2 <- tidycmprsk ::cuminc(Surv(time, Status1) ~Site, data = aa)
   tidy(cif2,fois = c(12,24,36,48,60))
   tbl_cuminc(cif2, times =c(12,24,36,48,60), outcomes = c(« CSS », « OSS »),estimate_fun = NULL, label_header = « **{time/12}-year cuminc** ») %> %
   add_p() %> %
   add_n(emplacement = « niveau »)
   cuminc_plot <- ggcuminc(cif2, résultat = c(« CSS », « OSS »), taille = 1.5) + labs(x = « temps ») +add_quantile(y_value = 0.20, taille = 1) + scale_x_continuous(pauses = seq(0, 84, par = 12), limites = c(0, 84)) +scale_y_continuous(étiquette = échelles ::p ercent, pauses = seq(0, 1, par = 0.2), limites = c(0, 1)) + theme_prism() + theme(legend.position = c(0.2, 0.8), panel.grid = element_blank(),panel.grid.major.y = element_line(couleur = « grey80 »)) + theme(legend.spacing.x = unit(0.1, « cm »), legend.spacing.y = unit(0.01, « cm »)) + theme(axis.ticks.length.x = unit(-0.2, « cm »), axis.ticks.x = element_line(color = « black », size = 1, lineend = 1)) + theme(axis.ticks.length.y = unit(-0.2, « cm »), axis.ticks.y = element_line(color = « black », size = 1, lineend = 1))
2. Utilisez le code suivant pour effectuer une analyse et une visualisation multivariées. La data1.csv provient des résultats du code précédent. Après avoir exécuté le code, cliquez sur Exporter, puis sur Enregistrer au format PDF, et enfin sur Enregistrer pour enregistrer l’image.
   Bibliothèque(tidycmprsk)
   Bibliothèque(gtsummary)
   AA <-read.csv('data1.csv')
   for (i in names(aa)[c(1:16, 19)]){aa[,i] <- as.factor(aa[,i])}
   mul1Tableau 2 <- mul1 %> %
   gtsummary ::tbl_regression(exponentiate = TRUE) %> %
   add_n(emplacement = « niveau ») ; Tableau 2
   table_df <- as_tibble(tableau2)
   Onglet <- Table2$table_body
   tab1 <- tab[,c(12,19,20,22:29)]
3. Utilisez le code suivant pour tracer le nomogramme, la courbe ROC et la courbe d’étalonnage. Après avoir entraîné le modèle à l’aide des données de la cohorte d’entraînement, utilisez les données de validation et des cohortes de validation externe pour valider model.library (QHScrnomo). Les données de la cohorte externe sont constituées d’échantillons de cancer colorectal autres que le carcinome à cellules annulaires, qui ont été sélectionnés à l’étape 1.4.
   Bibliothèque (RMS)
   bibliothèque(timeROC)
   Bibliothèque(Survie)
   AA <-read.csv('data3.csv')
   for (i in names(aa)[c(1:16, 19)]){aa[,i] <- as.factor(aa[,i])}
   DD <- datadist(aa)
   options(datadist = « jj »)
   mul <- cph(Surv(temps, Statut1 == 1) ~ T + N + M + LODDS + Site, data = aa, x = TRUE, y = TRUE, surv = TRUE)
   m3 <- crr.fit(mul, failcode = 1, cencode = 0)
   nomo <-Newlabels(fit = m3, labels =c(T="T », N= « N », M = « M », LODDS = « LODDS », Site = « Site »))
   nomoc(« N0 »,"N1 »,"N2 »),M=c(« M0 »,"M1 »),LODDS=c
   (« LODDS1 »,"LODDS2 »,"LODDS3 »),Site=
   c(« RSC »,"LSC »,"Rectum »)))
   nomogram.crr(fit =nomo , lp = F, xfrac = 0.3, fun.at =seq(from=0, to=1, by= 0.1) , failtime =c(12,36,60), funlabel = c(« Incidence cumulative CSS 1 an »,"Incidence cumulative CSS 3 ans »,"Incidence cumulative CSS 5 ans »))
   time_points <- c(12, 36, 60)
   pred_risks_list <- lapply(time_points, function(time_point) {predict(m3, newdata = aa, type = « risk », time = time_point)})
   pred_risks_df <- data.frame(do.call(cbind, pred_risks_list))
   colnames(pred_risks_df) <- paste(« risk_at », time_points, « months », sep = « _ »)
   roc_1year <- timeROC(T = aa$time, delta = ifelse(aa$Status1 == « CSS », 1, 0), marker = pred_risks_df$risk_at_12_months, cause = 1, times = 12, iid = TRUE)
   roc_3year <- timeROC(T = aa$time, delta = ifelse(aa$Status1 == « CSS », 1, 0), marker = pred_risks_df$risk_at_36_months, cause = 1, times = 36, iid = TRUE)
   roc_5year <- timeROC(T = aa$time, delta = ifelse(aa$Status1 == « CSS », 1, 0), marker = pred_risks_df$risk_at_60_months, cause = 1,times = 60, iid = TRUE)
   legend(« en bas à droite »,legend = c(« CSS de 1 an », « CSS de 3 ans », « CSS de 5 ans »), col = c(« #BF1D2D », « #262626 », « #397FC7 »), lwd = 2)
   sas.cmprsk(m3,temps = 36)
   set.seed(123)
   aa$pro <- tenf.crr(m3,temps = 36)
   cindex(prob = aa$pro, fstatus = aa$Status1, ftime = aa$time, type = « crr », failcode = 1, cencode = 0, tol = 1e-20)
   groupci(x=aa$pro, ftime = aa$time, fstatus = aa$Status1, failcode = 1, cencode = 0, ci = TRUE, g = 5, m = 1000, u = 36, xlab = « Probabilité prédite », ylab = « Probabilité réelle », lty=1, lwd=2, col="#262626 »,xlim=c(0,1.0), ylim=c(0,1.0), add =TRUE)

Caractéristiques des patients
Cette étude s’est concentrée sur les patients diagnostiqués avec un CSRC colorectal, en utilisant les données de la base de données SEER couvrant la période de 2004 à 2015. Les critères d’exclusion comprenaient les patients dont la durée de survie était inférieure à un mois, ceux dont les informations clinicopathologiques étaient incomplètes et les cas dont la cause du décès n’était pas claire ou précisée. Au total, 2409 patients atteints de cancer colorectal qui répondaient aux critères d’inclusion ont été divisés au hasard en une cohorte d’entraînement (N = 1686) et une cohorte de validation (N = 723). Les paramètres démographiques et cliniques des cohortes d’entraînement et de validation ont été analysés à l’aide du logiciel R, comme le montre le tableau 1. Parmi tous les patients inclus, la majorité avaient plus de 60 ans, avec un nombre similaire de patients masculins et féminins. La plupart des patients étaient blancs. Plus de la moitié des patients (56 %) étaient mariés. La majorité des tumeurs ont été classées III-IV (76 %). La plupart des patients (82 %) avaient des tumeurs de plus de 3,5 centimètres et la majorité des patients appartenaient au groupe LODDS1 (42 %). Dans l’ensemble de la cohorte, une forte proportion de patients (53 %) ont reçu une chimiothérapie. Les tumeurs primaires étaient principalement localisées dans le côlon droit (67 %). Après randomisation, il n’y avait pas de différences significatives dans les caractéristiques de base entre les deux groupes sur le plan statistique.

Identification des facteurs cliniques pronostiques inclus dans les modèles d’AA
Nous avons d’abord examiné les variables significatives à inclure dans le modèle d’apprentissage automatique à l’aide de l’analyse de régression de Cox. Les résultats de la régression de Cox univariée ont montré que le temps de survie était significativement corrélé avec certaines variables cliniques, notamment le sexe, l’âge, la race, l’état matrimonial, la stadification de l’AJCC, la stadification pT, la stadification pN, la stadification pM, la taille de la tumeur, le niveau CEA, la classification LNR, la classification LODDS et le fait que le patient ait reçu une radiothérapie ou une chimiothérapie (tableau 2). Notamment, les stadifications LNR, LODDS et pN présentaient toutes des rapports de risque (HR) statistiquement significatifs, indiquant que ces trois systèmes de stadification LN sont associés au pronostic. Une analyse de régression de Cox multivariée a ensuite été effectuée pour déterminer davantage l’association entre la stadification pN, le LODDS, le LNR et le CSS chez les patients atteints de SRCC. Les résultats ont indiqué que le LODDS, le LNR et le statut pN affectaient significativement le CSS des patients atteints de SRCC (Figure 2).

Comparaison des systèmes LN
Les capacités pronostiques prédictives des trois systèmes LN étaient similaires dans les cohortes d’entraînement, de validation et de validation externe (échantillons de cancer colorectal autres que le carcinome à cellules annulaires, qui ont été sélectionnés à l’étape 1.4. ; Tableau 3). Dans la cohorte d’entraînement, les indices C pour LNR, LODDS et pN étaient respectivement de 0,309, 0,308 et 0,337, tandis que dans la cohorte de validation, les indices C étaient respectivement de 0,288, 0,279 et 0,319. Dans la cohorte de validation externe, les indices C pour LNR, LODDS et pN étaient respectivement de 0,419, 0,420 et 0,424. De plus, les valeurs AIC pour chaque système dans la cohorte d’entraînement étaient de 12667,56, 12670,57 et 12731,89, et dans la cohorte de validation, elles étaient respectivement de 4575,36, 4559,13 et 4613,20. Dans la cohorte de validation externe, les valeurs AIC pour chaque système étaient les suivantes : 106554,68 pour LODDS, 106581,85 pour LNR et 106915,45 pour la stadification pN. Ces résultats indiquent qu’il existe des différences minimes dans la qualité discriminatoire entre les trois systèmes. Par conséquent, nous avons utilisé des méthodes d’apprentissage automatique (RF, XGBoost et NN) pour déterminer le système LN optimal en termes de capacité prédictive. Cette analyse comprenait des variables significatives dans la régression de Cox univariée et au moins un modèle multivarié (pN, LODDS ou LNR) pour construire les modèles d’apprentissage automatique, y compris pN, pT, pM, l’âge, la race, la classification LNR, la classification LODDS et si le patient a reçu une radiothérapie ou une chimiothérapie.

Nous avons construit des modèles RF, XGBoost et NN à l’aide de l’ensemble de données d’entraînement. Les valeurs d’importance de chaque variable sont illustrées à la figure 3. Dans les domaines RF et XGBoost, la LNR a montré la plus grande importance, tandis que LODDS a également démontré une importance considérable. Cependant, dans le modèle NN, LODDS a montré une meilleure capacité prédictive par rapport à pN et LNR. En considérant les résultats combinés des trois approches d’apprentissage automatique, nous concluons que le système LODDS pourrait être le meilleur système pour évaluer le statut LN chez les patients SRCC.

Performances des modèles ML
Comme le montrent le tableau 4 et la figure 4A-C, les trois modèles ont été en mesure de prédire efficacement le pronostic, et les ASC des trois modèles variaient de 0,777 à 0,851 dans l’ensemble de données de test (XGBoost : AUC = 0,820, IC à 95 % = 0,789-0,851 ; RF : AUC = 0,819, IC à 95 % = 0,788-0,850 ; NN : AUC = 0,809, IC à 95 % = 0,777-0,841). Les modèles XGBoost, RF et NN ont montré une grande spécificité (0,82, 0,825, 0,815) et une grande précision (0,762, 0,763, 0,757). Les courbes d’étalonnage sont illustrées à la figure 5D-F.

Construction et validation d’un modèle de risque concurrentiel
Étant donné que les modèles d’apprentissage automatique ne tenaient pas compte de l’influence des facteurs de risque concurrents, nous avons construit un modèle de risque concurrentiel afin d’identifier davantage le système d’apprentissage automatique qui fonctionnait le mieux en termes de capacité prédictive. La survie spécifique au cancer (SCS) représente les décès dus au cancer, tandis que la survie globale (SSO) représente les décès dus à d’autres causes, servant d’événements à risque concurrents. Nous avons utilisé des modèles de risque concurrents univariés et multivariés pour analyser les facteurs prédictifs de la CSS dans la cohorte d’entraînement. Le modèle de risque concurrent univarié a indiqué que les facteurs prédictifs du CSS comprenaient le sexe, l’âge, la race, l’état matrimonial, la stadification de l’AJCC, la stadification TNM, la taille de la tumeur, la classification LNR, la classification LODDS, le niveau CEA, le fait que le patient ait reçu une radiothérapie ou une chimiothérapie et l’emplacement de la tumeur primaire. Enfin, l’analyse multivariée des risques concurrents, la stadification T, la stadification N, la stadification M, la classification LODDS et l’emplacement de la tumeur primaire ont été identifiées comme cinq marqueurs pronostiques indépendants pour les patients atteints de CCSS colorectal. Les résultats des analyses de risque concurrentes univariées et multivariées sont présentés dans le tableau 5, et les courbes de la fonction d’incidence cumulative (CIF) correspondantes pour les facteurs de risque indépendants sont présentées dans la figure 5. Sur la base des cinq variables significatives (stadification T, stadification N, stadification M, classification LODDS et localisation de la tumeur primaire), nous avons développé un nomogramme pronostique (Figure 6A). Nous avons constaté que, par rapport à pN, LODDS présentait un poids plus élevé. Cette constatation s’aligne sur les résultats précédents, suggérant que le système LODDS est le meilleur système pour évaluer le statut LN chez les patients SRCC.

Pour évaluer la précision du modèle, nous avons construit des courbes d’étalonnage (Figures 6B-D). Les résultats ont indiqué que le modèle a bien fonctionné pour prédire la survie totale des patients à 1, 3 et 5 ans. L’ajustement des courbes à la ligne de 45° démontre une forte cohérence du modèle. Les résultats de l’évaluation de la courbe ROC pour le nomogramme (Figures 5E-G) ont montré que l’aire sous la courbe (AUC) pour les prédictions à 1, 3 et 5 ans était supérieure à 0,75. Ces résultats suggèrent que les courbes de prédiction pour 3 et 5 ans ont démontré des avantages significatifs, indiquant que le nomogramme a des applications cliniques précieuses et une valeur de référence.

Figure 1 : Organigramme présentant le processus de dépistage dans la base de données SEER. Grâce à nos critères d’inclusion et d’exclusion, nous avons réussi à sélectionner des patients atteints de cancer colorectal dans la base de données SEER pour une série ultérieure d’analyses basées sur R. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2 : Association de la LNR, du LODDS et de la stadification pN avec la CSS dans la cohorte d’entraînement. Cette figure illustre les résultats de l’analyse de régression de Cox multivariée pour (A) LNR, (B) LODDS et (C) la stadification pN, évalués en même temps que d’autres facteurs pronostiques indépendants. L’analyse comprend les rapports de risque (HR) et les intervalles de confiance (IC) à 95 %. Les résultats démontrent que le LNR, le LODDS et le statut pN sont des facteurs pronostiques significatifs de la survie spécifique au cancer chez les patients atteints de SRCC, toutes les valeurs HR montrant une signification statistique (p < 0,05). *p < 0,05, **p < 0,01, ***p < 0,001. Les barres d’erreur représentent un IC à 95 %. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3 : Importance relative des variables. (A) Modèle XGBoost, (B) Modèle RF et (C) Modèle NN. Cette figure évalue l’importance relative des variables. Dans les modèles XGBoost et RF, la LNR a montré la plus grande importance, le LODDS montrant également une importance considérable. À l’inverse, dans le modèle NN, LODDS a démontré une capacité prédictive supérieure à celle du pN et du LNR. Sur la base des résultats combinés des trois modèles, le système LODDS est suggéré comme étant le plus efficace pour évaluer le statut LN chez les patients atteints de SRCC. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4 : Courbes ROC et courbes de calibrage des modèles ML, XGBoost et eXtreme gradient boosting. (A, D) la cohorte d’entraînement, (B, E) la cohorte de validation, et (C, F) la cohorte de validation externe. La valeur de l’aire sous la courbe (AUC) la plus proche de 1 indique de meilleures performances de classification du modèle. Les barres d’erreur représentent l’intervalle de confiance à 95 % pour la probabilité prédite que l’événement réel se produise. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5 : Estimations de l’incidence cumulée des décès selon les caractéristiques des patients sur le CCSS colorectal. CIF des sous-groupes. Le critère de Gray a été appliqué. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 6 : Développement et validation d’un nomogramme pour le CSS chez les patients atteints de CCSS colorectal. (A) Un nomogramme à risque concurrent prédisant la probabilité de survie spécifique au cancer à 1 an, 3 ans et 5 ans des patients atteints de CCRS colorectal. Les courbes d’étalonnage des nomogrammes pour prédire la survie spécifique au cancer à 1, 3, 5 ans dans la cohorte d’entraînement (B), la cohorte de validation (C) et la cohorte de validation externe (D). Courbes caractéristiques de fonctionnement du récepteur pour prédire la survie spécifique au cancer à 1, 3 et 5 ans dans la cohorte d’entraînement (E), la cohorte de validation (F) et la cohorte de validation externe (G). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Tableau 1 : Caractéristiques cliniques des patients atteints de CCSS colorectal. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 2 : Analyse de régression de Cox univariée de la CSS dans la cohorte d’entraînement. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 3 : Performance de prédiction des trois systèmes de stadification ganglionnaire. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 4 : Performance prédictive des modèles dans la cohorte de validation et les cohortes de validation externes. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 5 : Analyse des risques concurrents univariés et multivariés pour la mortalité spécifique au cancer du CCRS colorectal dans la cohorte d’entraînement. Veuillez cliquer ici pour télécharger ce tableau.

Cancer colorectal (CCR) Le SRCC est un sous-type rare et spécial de cancer colorectal de mauvais pronostic. Par conséquent, une plus grande attention doit être accordée au pronostic des patients atteints de SRCC. Une prédiction précise de la survie des patients atteints de SRCC est cruciale pour déterminer leur pronostic et prendre des décisions de traitement individualisées. Dans cette étude, nous avons exploré la relation entre les caractéristiques cliniques et le pronostic chez les patients atteints de CCRS et identifié le système de stadification LN optimal pour les patients atteints de CCRS à partir de la base de données SEER. À notre connaissance, il s’agit de la première étude à déterminer le système LN approprié pour les patients atteints de CPRS colorectal grâce à une utilisation complète de l’apprentissage automatique et de méthodes d’analyse des risques concurrentes, et à construire un nomogramme pour la prédiction pronostique.

Le nombre de LN métastatiques chez les patients atteints de CCR est un indicateur important du pronostic et de la récidive. Une stadification précise de la LN joue un rôle clé dans la détermination des stratégies de traitement et du pronostic pour les patients atteints de CCSR. La LNR et la LODDS sont des méthodes alternatives utilisées pour évaluer l’implication de la LN dans la GC, améliorer les systèmes de stadification et fournir des informations pronostiques plus précises^10,13. Nous avons révélé la corrélation entre LODDS, LNR et la stadification pN avec CSS chez les patients SRCC à l’aide de la base de données SEER. Les capacités prédictives de ces trois systèmes LN (LNR, LODDS et pN) ont été comparées à l’aide d’AUC, d’AIC, de BIC et d’indices C. Cependant, les différences entre eux étaient minimes. Par conséquent, nous avons utilisé trois méthodes d’apprentissage automatique (Xgboost, RF et NN) pour sélectionner les caractéristiques les plus importantes en tant que système LN optimal. Sur la base des résultats combinés des trois méthodes, nous avons défini LODDS comme le système LN approprié.

Cependant, le SSO est un événement à risque concurrent qui affecte le pronostic des patients atteints de CSS. Le processus de sélection des variables à inclure dans le modèle d’apprentissage automatique à l’aide de la méthode de régression de Cox n’a pas tenu compte de l’impact des OSS, ce qui peut conduire à une évaluation inexacte des rapports de risque¹². Par conséquent, afin de déterminer davantage le système optimal d’évaluation de la LN pour les patients atteints de CCSR, nous avons construit un modèle de risque concurrent. Les résultats ont une fois de plus confirmé que le système de stadification LODDS fournit des informations pronostiques plus précises que le système pN. Au cours du suivi, parmi 2409 patients, 1339 (56 %) sont décédés du CSS, et 464 (19 %) sont décédés du SSO. De plus, nous avons également développé un tableau de risque concurrent pour prédire les taux de mortalité spécifiques au cancer à 1 an, 3 ans et 5 ans. Nous croyons que ce modèle a des implications importantes pour la recherche clinique impliquant des patients atteints de cancer colorectal du cancer colorectal. Bien que l’American Joint Committee on Cancer recommande le système TNM comme système de stadification pour tous les types histologiques de cancer colorectal, il est principalement utilisé pour la stadification de l’adénocarcinome colorectal. L’étape N de l’AJCC est limitée par TLN, tandis que LNR ne prend pas en compte l’impact de NLN^{13, 14, 15, 16}. Les rapports indiquent que LODDS est moins affecté par TLN et prend en compte le nombre de NLN^10,17. Scarinci et al. ont démontré que LODDS prédit mieux la SG chez les patients atteints de CCR que la stadification LNR et pN et ont suggéré que les recherches futures devraient valider son rôle dans différents sous-types de CCR¹⁸. Dans cette étude, nous avons constaté que LODDS a un effet prédictif pronostique significatif sur le CSS dans le SRCC colorectal. Par conséquent, le LODDS peut être un outil précieux pour évaluer le curage ganglionnaire et le pronostic chez les patients atteints de SRCC colorectal. Bien qu’aucun seuil optimal n’ait encore été établi pour LODDS, il s’est avéré être le système de staging LN le plus fiable. Avec l’attention croissante portée à LODDS, on pense généralement qu’il sera largement reconnu dans les milieux cliniques dans un avenir prévisible.

Notre étude a révélé que l’emplacement de la tumeur primitive est un facteur prédictif important pour le CSS, avec un pronostic significativement plus sombre pour le SRCC rectal, ce qui est cohérent avec les études précédentes 12,19,20. Le CCSR rectal peut présenter des caractéristiques cliniques, pathologiques et moléculaires uniques^21,22, justifiant un examen plus approfondi. Les graphiques dérivés des modèles prédictifs sont des outils clés et efficaces pour la prise de décision clinique et le conseil aux patients. À notre connaissance, cette étude est la première à intégrer des modèles d’apprentissage automatique et des modèles de risque concurrents afin d’explorer le système optimal de stadification LN pour les patients atteints de CCRS. Nous avons développé et validé trois modèles d’apprentissage automatique pour prédire le pronostic des patients atteints de CCSR. Dans l’ensemble de données de test, les modèles XGBoost, RF et NN ont montré de bonnes performances prédictives pronostiques basées sur les valeurs AUC et les métriques correspondantes. Ainsi, les modèles ML peuvent aider à prendre des décisions de traitement pour les patients atteints de SRCC en prédisant le pronostic. De plus, nous avons généré des tableaux de risque concurrents basés sur des modèles à risque proportionnel afin d’analyser les facteurs prédictifs du cancer colorectal et d’évaluer le rôle des LODDS dans celui-ci. Nous avons utilisé l’indice C et les courbes d’étalonnage pour évaluer les performances prédictives du nomogramme. Le graphique présentait des variables cliniques courantes, telles que le site primaire de la tumeur et le regroupement LODDS. De plus, le nomogramme que nous avons construit est une méthode efficace pour prédire le CSS à 1 an, 3 ans et 5 ans chez les patients atteints de CSRC colorectal. Cet outil peut aider les cliniciens à effectuer des évaluations pronostiques précises, approfondies et opportunes pour chaque patient atteint de CCSR colorectal, ce qui leur permet de formuler des plans de traitement personnalisés²³.

Enfin, cette étude présente plusieurs limites. Tout d’abord, les patients de l’étude ont été diagnostiqués entre 2004 et 2015, ce qui a entraîné une période de suivi relativement courte. Nous prévoyons qu’une période de suivi plus longue permettrait d’améliorer la précision des prédictions du modèle. Deuxièmement, la conception de l’étude utilisée ici est rétrospective et repose sur des données obtenues à partir de la base de données SEER, ce qui peut introduire certains biais inhérents. Certaines informations, telles que l’emplacement des LN métastatiques, n’ont pas été enregistrées. Enfin, la majorité des patients de cette étude étaient blancs, ce qui a nécessité des études plus larges impliquant des populations diverses pour confirmer et renforcer ces résultats.

Conclusion
L’étude a révélé que le LODDS présente une forte capacité prédictive pronostique pour le CCRS colorectal. Sur cette base, nous avons développé un nomogramme basé sur un modèle de risque concurrent pour prédire les taux de survie globale à 1 an, 3 ans et 5 ans d’intervalle pour les patients atteints de cancer colorectal du choteau. À la suite d’une série d’évaluations et de validations internes, le nomogramme a démontré une applicabilité et une valeur cliniques significatives, fournissant des conseils aux cliniciens dans la prise de décision thérapeutique. De plus, nous avons construit trois modèles de ML. Ces approches d’apprentissage automatique ont le potentiel d’améliorer les capacités de prédiction pronostique pour le CCSR et d’aider les médecins à comprendre comment l’apprentissage automatique peut être utilisé pour optimiser les stratégies de traitement et de suivi.

Les auteurs n’ont aucun conflit d’intérêts financier à divulguer.

Aucun