Development and External Validation of an Interpretable Machine-Learning Model for Predicting Synchronous Distant Metastasis in Invasive Bladder Cancer: A SEER Population-Based Study
Questo studio ha sviluppato e validato esternamente un modello di apprendimento automatico interpretabile utilizzando esclusivamente variabili cliniche disponibili alla diagnosi per predire accuratamente la metastasi a distanza sincrona nel carcinoma vescicale invasivo, dimostrando una prestazione superiore rispetto alla stadiazione TNM tradizionale e offrendo uno strumento online liberamente accessibile per la valutazione del rischio individuale pre-trattamento.