预测肺腺鳞癌患者骨转移机器学习模型的建立

作者：朱英浩; 王诗淇; 张纬; 刘瑜^*

来源：温州医科大学学报, 2023, 53(07): 588-603.

DOI：10.3969/j.issn.2095-9400.2023.07.010

• 肺腺鳞癌
• 骨转移
• 机器学习
• 预测模型

目的：探究机器学习算法在构建肺腺鳞癌患者骨转移预测模型中的价值。方法：选取监测，流行病学和最终结果（SEER）数据库以及温州医科大学附属第一医院2017年1月1日至2021年12月31日术后确诊为肺腺鳞癌的患者数据。为了建立预测模型，应用了随机森林（RF）、支持向量机（SVM）、极端梯度提升（XGBoost）、梯度提升（GBM）、神经网络（MLP）和K近邻（kNN）6种算法。采用受试者工作特征（ROC）曲线来评价模型的预测能力。结果：获取SEER数据库中1 919例及温州医科大学附属第一医院51例符合条件的患者的医疗记录。机器学习模型的结果显示，肺腺鳞癌转移到骨以外的器官及其淋巴结转移是骨转移的最重要预测因素（P<0.01）。基于XGBoost算法的机器学习模型的属性更加准确和高效。结论：肺腺鳞癌的骨转移会导致预后不良。基于机器学习的预测模型能够早期准确地预测肺腺鳞癌患者发生骨转移的可能性，对临床决策有重要意义。

• 单位
  温州医科大学附属第一医院; 浙江大学; 温州医科大学; 第一临床医学院