不同机器学习算法在直肠鳞状细胞癌预后模型构建中的应用:基于SEER数据库
黄诗
林丹丹
武汉大学人民医院胃肠肿瘤Ⅱ科(武汉 430060)
摘要：目的 探讨不同机器学习模型在预测直肠鳞状细胞癌(rSCC)患者5年生存状态中的应用价值.方法 利用SEER*Stat软件,收集SEER数据库中2004年至2015年确诊的rSCC患者资料,按7∶3的比例将患者随机分为训练集和验证集.分别使用极端梯度提升、随机森林、支持向量机和k近邻算法在训练集上构建模型,使用受试者工作特征曲线的曲线下面积(AUC),校准曲线、决策曲线评估模型的预测能力.对表现最佳的模型,使用SHAP算法明确变量对模型的贡献.结果 共纳入833例rSCC患者,其中训练集584例,验证集249例.基于年龄、性别、种族、婚姻状态、T分期、N分期、M分期、手术、化疗和放疗10个变量,构建了多个机器学习模型.在验证集中,极端梯度提升模型表现最佳[AUC=0.758,95％CI(0.696,0.820)],具有一定预测能力,其校准度良好,决策曲线显示较高的临床应用价值.SHAP分析显示,T分期对极端梯度提升模型的决策贡献最大,放疗对模型预测贡献最小.结论 本文构建了一种可解释的极端梯度提升模型,可辅助医生判断rSCC患者的5年生存状态及治疗效果,有助于制定个性化的诊疗方案.
关键词：直肠鳞状细胞癌机器学习预测模型预后
分类号：R735.3+7(消化系肿瘤)
资助基金：国家自然科学基金(32270951)
论文发表日期：2025-08-25
在线出版日期：2025-09-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 870-877 )
英文信息