ASTUTI, Widya (2026) Analisis Keberlangsungan Hidup Pasien Kanker Kolorektal dengan Metastasis Hati Menggunakan Model Xgboost AFT Berdasarkan Radiomik. Masters thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive File PDF Tesis- Widya Astuti.rar Restricted to Repository staff only Download (3MB) | Request a copy
	Text 1. COVER.pdf Download (85kB)
	Text 3. REKOMENDASI LAYAK UJIAN TESIS.pdf Download (126kB)
	Text 6. HALAMAN PENGESAHAN.pdf Download (245kB)
	Text 7. KATA PENGANTAR.pdf Download (102kB)
	Text 8. ABSTRAK.pdf Download (115kB)
	Text 9. ABSTRACT.pdf Download (100kB)
	Text 10. DAFTAR ISI.pdf Download (145kB)
	Text 15. BAB I PENDAHULUAN.pdf Download (153kB)
	Text 20. DAFTAR PUSTAKA.pdf Download (183kB)

Abstract

Kanker
kolorektal
dengan
metastasis
hati
(Colorectal
Liver
Metastases/CRLM) merupakan salah satu penyebab kematian akibat kanker
terbesar kedua di dunia, dengan sekitar 50% pasien mengalami metastasis hati
selama perjalanan penyakitnya. Prediksi waktu survival yang akurat sangat penting
untuk mendukung pengambilan keputusan klinis yang lebih tepat dan personal.
Penelitian ini melakukan analisis keberlangsungan hidup pasien kanker kolorektal
dengan metastasis hati menggunakan model XGBoost-AFT berdasarkan fitur
radiomik dari pencitraan CT. Model XGBoost-Accelerated Failure Time (AFT)
diintegrasikan dengan kalibrasi Isotonic Regression dan dibandingkan dengan
model AFT standar berbasis distribusi log-logistic. Dataset yang digunakan berasal
dari The Cancer Imaging Archive (TCIA) yang mencakup 197 pasien CRLM. Fitur
radiomik diekstraksi menggunakan PyRadiomics dan direduksi melalui dua tahap
seleksi: ElasticNet-Cox serta seleksi berbasis skor ensemble (Pearson, mutual
information, F-score, dan C-index). Model XGBoost-AFT dioptimasi dengan
Bayesian hyperparameter tuning dan validasi silang 5-fold. Hasil evaluasi pada data
uji menunjukkan bahwa XGBoost-AFT mengungguli AFT standar dengan C-index
0,83 vs 0,79, IBS 0,10 vs 0,11, MAE Pseudo Observation 20,98 vs 22,88 bulan,
serta MAE event 17,57 vs 26,00 bulan. Analisis kurva Kaplan-Meier
mengonfirmasi kemampuan stratifikasi risiko yang sangat signifikan (log-rank p =
3,33×10⁻¹⁰). Model XGBoost-AFT terbukti mampu menangkap hubungan non
linear antar fitur radiomik dan memberikan estimasi waktu survival yang lebih
akurat dibandingkan model parametrik konvensional, sehingga berpotensi
mendukung implementasi precision oncology dalam manajemen klinis pasien
CRLM.
Kata kunci: Kanker Kolorektal, Metastasis Hati, Radiomik, Analisis Survival,
XGBoost-AFT.

Actions (login required)

View Item