基于机器学习算法预测腹膜后脂肪肉瘤患者总体生存期的临床研究

摘要：

目的:比较不同类型的机器学习算法对腹膜后脂肪肉瘤(RP-LPS)患者总体生存期的预测效果,选择最佳的算法对临床诊疗进行指导.方法:通过美国SEER?Stat软件搜集2000至2019年确诊为腹膜后脂肪肉瘤的病例(2147例)作为训练集进行研究,我们将南通大学附属医院2014年至2019年确诊的腹膜后脂肪肉瘤的病例(55例)作为外部验证集,使用的机器学习算法包括支持向量机、自适应提升法、决策树、随机森林和神经网络.分别比较这几种算法在训练集和外部验证集中的预测效果.结果:通过比较各个机器学习算法的预测性能指标,包括准确率、敏感度、AUC、F1分数等,得出自适应提升法的预测效果最佳,在训练集中的准确率为69.1％,敏感度为76.5％,AUC为0.70,在外部验证集的准确率为74.5％,敏感度为72.0％,AUC为0.74.再与传统的TNM模型进行比较,也表现出更佳的预测性能.结论:机器学习算法提供了比传统预测模型更加准确和个性化的腹膜后脂肪肉瘤患者的预后信息,可用于辅助医生判断患者预后情况及治疗效果,制定个性化的诊疗方案.

关键词：腹膜后脂肪肉瘤、机器学习、预测、总生存期

所属期刊栏目：31

分类号：R730.262(肿瘤学)

资助基金：国家自然科学基金82172931

在线出版日期：2023-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1291-1296