基于可解释机器学习算法构建乳腺癌病人术前衰弱风险预测模型
张晴1
张英2
董建丽3
于文龙2
熊银环2
赵佳月1
许红梅1
1.滨州医学院护理学院(老年医学院),山东 2566002.滨州市人民医院3.滨州医学院附属医院
摘要：目的:分析乳腺癌病人术前衰弱的影响因素并构建术前衰弱风险预测模型.方法:选取2024年8月—2025年1月在山东省滨州市某2所三级甲等医院乳腺外科拟行手术治疗的住院病人583例,按照7∶3的比例随机分为训练集408例和验证集175例,基于LASSO回归和Boruta算法共同筛选变量,利用支持向量机、决策树、轻量梯度提升和极端梯度提升4种机器学习算法分别构建预测模型,采用准确度、精确度、敏感度、特异度、F1值和受试者工作特征(ROC)曲线下面积(AUC)比较各模型性能.基于Shaply加性解释(SHAP)算法对最优模型进行解释.结果:乳腺癌病人术前衰弱的发生率为26.93%.与支持向量机、决策树、轻量梯度提升机模型比较,极端梯度提升模型性能最优,其AUC为0.909,准确度为0.829,精确度为0.646,敏感度为0.857,特异度为0.818,F1值为0.737.SHAP条形图显示,排名前5位的影响因素为年龄、血红蛋白、白蛋白、中性粒细胞百分比和合并症.结论:极端梯度提升模型预测乳腺癌病人术前衰弱风险性能最佳,可为临床工作者有效评估和科学管理乳腺癌术前衰弱病人提供依据.
关键词：乳腺癌衰弱术前机器学习预测模型影响因素合并症
资助基金：山东省自然科学基金面上项目(ZR2023MH378)
论文发表日期：2026-01-10
在线出版日期：2026-01-12（本平台首次上网日期，不代表文献的发表时间）
页数：11( 60-70 )
英文信息