基于机器学习利用常规检验指标建立胃癌淋巴结转移预测模型
严健亮1
谢泽宇2
景蓉蓉3
崔明3
1.南通大学附属医院检验科(江苏南通 226006);南通大学医学院 (江苏南通 226006)2.河海大学商学院(南京 211100)3.南通大学附属医院检验科(江苏南通 226006)
摘要：目的 利用机器学习算法,建立一种基于常规检验指标的胃癌淋巴结转移(lymph node me-tastasis,LNM)预测模型.方法 收集南通大学附属医院2020年1月至2022年1月期间741例胃癌患者数据用于模型训练和测试,收集2023年1-10月期间102例胃癌患者数据用于模型验证;使用XGBoost方法计算指标重要性,从66个指标中过滤出重要指标集合;构建并训练5种机器学习算法:K近邻、支持向量机、多层感知器、随机森林、Adaboost进行对比分析,并在验证集中进一步验证模型的稳定性和预测能力.结果 本研究筛选出由9个常规检验指标组成的重要指标集合,并训练构建出胃癌LNM预测模型V9.此外,通过多种机器学习算法对比实验发现,基于Boosting策略的Adaboost算法效果最好,其曲线下面积、F1 值、准确率、灵敏度、特异度等评估指标均在0.833～0.968之间,在验证集上预测准确率达94.12%.结论 V9是一种具有辅助临床诊断价值的胃癌LNM预测模型,能够准确评估患者的风险,并为临床决策提供依据.
关键词：胃癌淋巴结转移常规检验指标机器学习
分类号：R319(医用一般科学)
资助基金：中国博士后科学基金资助项目(2020M681688)社会民生科技指令性项目(MS12021001)
论文发表日期：2024-03-25
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( 844-849 )
英文信息