基于机器学习组合模型预测结直肠腺癌生存

作者：庞琳; 兰文霞; 王青青; 余红梅; 李耀平^*

来源：现代预防医学, 2023, 50(02): 227-232.

DOI：10.20043/j.cnki.MPM.202208363

• 结直肠癌
• 腺癌
• 机器学习
• 组合模型
• SEER数据库

目的 基于机器学习模型（machine learning,ML）和logistic回归构建预测结直肠腺癌5年生存结局的组合模型。方法 选取SEER数据库中12 980名患者，采用传统logistic回归分析影响患者5年存活的相关因素。使用相关因素构建以极限梯度提升、自适应提升、支持向量机、随机森林、回归决策树的预测概率为自变量，分别纳入极限梯度提升、自适应提升和logistic回归做最终预测的组合模型，比较各组合模型5年结直肠腺癌生存预测效果。结果 年龄、手术、化疗、分化程度、T分期、N分期、M分期、CEA状况和婚姻，9个因素影响结直肠腺癌患者5年生存。组合模型logistic+Adaboost+RF+XGboost，内部测试集AUC、准确率、F1分数分别为0.861、0.801、0.832。外部验证集AUC、准确率、F1分数分别为0.833、0.806、0.869。组合模型效能优于单一模型。结论 机器学习组合模型更具有优势，可以有效预测结直肠腺癌5年生存结局，辅助临床工作者制定诊疗方案和优化癌症防治措施。

• 单位
  山西医科大学; 山西省人民医院; 公共卫生学院