女性乳腺癌术前营养和免疫指标分析及预测模型
姜敏
黄玥
王尊
深圳市宝安区妇幼保健院乳甲科(广东 深圳 518102)
摘要：目的 分析女性乳腺癌患者术前营养和免疫指标特点,构建3种乳腺癌预测模型并筛选出最优模型.方法 选取450例女性乳腺包块患者,按病理结果分为乳腺癌组和良性对照组,收集入院基本信息和化验结果,计算她们的体质指数(BMI)、炎症指标、预后营养指数(prognostic nutritional index,PNI),构建基于随机森林(RF)、极端梯度升高(XGBoost)、Logistic回归等3种机器学习算法的乳腺癌预测模型,并对模型进行评价.结果 单变量分析,在两组中差异有统计学意义的指标是BMI、中性粒细胞与淋巴细胞比值(neu-trophil to lymphocyte ratio,NLR)、全身炎症反应指数(Systemic Inflammatory Response Index,SIRI)、PNI、淋巴细胞与单核细胞比值(lymphocyte to monocyte ratio,LMR)、乳腺包块最长径等(P＜0.05).3种模型中,XGBoost模型的预测效果最好,预测乳腺癌的ROC曲线下面积(AUC)在建模组和验证组分别为0.903和0.809(在验证组准确率为0.76、敏感度为0.691、特异性为0.823、F1分数为0.729),决策曲线表明,该模型获益性良好,具有较好的临床应用价值.发生乳腺癌的危险因素重要性排序依次是:乳腺包块最长径、LMR、PNI、BMI、SIRI、NLR.结论 研究构建了一种基于XGBoost算法的机器学习模型,在乳腺癌的预测中具有良好的参考价值.
关键词：乳腺癌体质指数预后营养指数免疫指标机器学习
分类号：R446.11(诊断学)R737.9(泌尿生殖器肿瘤)
资助基金：深圳市宝安区医疗卫生基础研究基金(2021JD065)深圳市科创委面上项目(JCYJ20220530160017037)
论文发表日期：2025-04-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 570-575 )
英文信息