机器学习和传统列线图预测软骨肉瘤肺转移风险的预测模型的建立与评估
林跃玮1
黄永明2
李文乐3
刘强4
1.510006 广东,广州中医药大学第二临床医学院2.510006 广州,广东省中医院骨伤科3.712000 陕西,咸阳市中心医院临床医学研究中心;712000 陕西,咸阳市中心医院骨科中心4.712000 陕西,咸阳市中心医院骨科中心
摘要：目的 探讨开发Nomogram和机器学习的软骨肉瘤患者的肺转移风险对的预测模型,为临床工作提供帮助.方法 2010年至2016年的监测,流行病学和最终结果(The Surveillance,Epidemiology,and End Results,SEER)数据库获得的软骨肉瘤患者数据,然后通过单因素和多因素Logistics回归进行筛选,确定肺转移的危险因素.分别建立预测软骨肉瘤肺转移风险模型:Nomogram,支持向量机,决策树和神经网络.使用10-fold cross validation检验模型预测能力,计算平均AUC值,绘制最大AUC值的ROC曲线.结果 本研究共纳入944例.Logistics回归分析显示,淋巴转移或未知、更大的肿瘤体积、更低的分化等级为软骨肉瘤患者出现肺转移的独立危险因素.建立预测软骨肉瘤肺转移风险的Nomogram的平均AUC为0.83,支持向量机的平均AUC为0.81,决策树的平均AUC为0.73,神经网络的平均AUC为0.76.结论 淋巴转移或未知、更大的肿瘤体积、更低的分化等级为软骨肉瘤患者出现肺转移的独立危险因素.建立的Nomogram、支持向量、决策树和神经网络4个模型均有较好的预测能力.
关键词：软骨肉瘤肿瘤转移机器学习支持向量机决策树神经网
分类号：R738.1(运动系肿瘤)
资助基金：广东省自然科学基金面上项目(2018A030313643)
论文发表日期：2022-01-19
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：8( 19-26 )
英文信息