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

作者：林跃玮; 黄永明; 李文乐; 刘强

来源：中国骨与关节杂志, 2022, 11(01): 19-26.

DOI：10.3969/j.issn.2095-252X.2022.01.004

• 软骨肉瘤
• 肿瘤转移
• 机器学习
• 支持向量机
• 决策树
• 神经网

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。

• 单位
  咸阳市中心医院; 广东省中医院