基于机器学习算法肝细胞癌伴微血管侵犯术前预测模型的构建与评估

作者：张宇波; 雷鹏^*; 卜阳; 杨刚; 张伟; 张丹阳

来源：中华肝胆外科杂志, 2023, 29(11).

• 癌, 肝细胞
• 机器学习
• 微血管侵犯
• 预测模型

目的通过机器学习筛选肝细胞癌患者术前微血管侵犯(MVI)相关指标, 构建预测MVI的logistic回归模型并评估。方法回顾分析2018年1月至2023年3月宁夏医科大学总医院行根治性切除术的肝细胞癌患者临床资料。共入组437例患者, 其中男性325例, 女性112例, 年龄(56.3±13.6)岁。437例患者通过计算机产生随机数按7∶3分为训练集(n=305)和测试集(n=132), 训练集用于构建logistic回归模型并通过五折交叉验证法内部验证(验证集), 测试集用于外部验证。通过Boruta算法和LASSO回归两种机器学习算法筛选MVI特征变量, 并构建logistic回归模型。受试者工作特征(ROC)曲线、校准曲线、决策曲线评估模型, Shapley加法解释(SHAP)分析关键变量的重要性。结果取Boruta算法筛选的8个特征变量和LASSO回归筛选的8个变量的交集(5个变量):天冬氨酸氨基转移酶/淋巴细胞比值(ALR)、肿瘤边缘、瘤内坏死、肿瘤数目、肿瘤最大径, 构建logistic回归模型。该模型预测MVI的ROC曲线下面积为0.77(95%CI:0.70～0.82)(训练集)、0.76(95%CI:0.63～0.87)(验证集)、0.84(95%CI:0.78～0.91)(测试集)。校准曲线logistic回归模型的预测结果与实际结果接近, 决策曲线分析提示模型具有较好的临床应用价值。按平均绝对SHAP值进行重要性递减排序依次为肿瘤边缘、肿瘤最大径、肿瘤数目、ALR、瘤内坏死。结论肿瘤边缘、肿瘤最大径、肿瘤数目、ALR、瘤内坏死是肝细胞癌伴有MVI的独立影响因素, 基于上述因素构建的预测MVI的logistic回归模型预测效能良好。

• 单位
  宁夏回族自治区人民医院; 宁夏医科大学; 宁夏医科大学总医院