基于机器学习的蒽环类和环磷酰胺化疗方案引起乳腺癌患者恶心呕吐预测

摘要：

目的:建立基于机器学习的蒽环类与环磷酰胺化疗方案引起乳腺癌患者恶心呕吐(chemotherapy-induced nausea and vomiting,CINV)的预测模型,为临床个体化止吐药物的选择提供依据.方法:回顾性收集天津医科大学总医院肿瘤科65例使用蒽环类与环磷酰化疗方案的乳腺癌患者临床信息和CINV数据,采用主成分分析(principal component analysis,PCA)降低特征变量维度,利用支持向量机(support vector machine,SVM)、随机森林(random,RF)、K最近邻(K near neighbor,KNN)、朴素贝叶斯(naive bayes,NB)建立CINV预测模型,并对模型进行评估.结果:采用PCA对10个特征变量降维简化,最终确定6个主成分.SVM模型的准确率为0.813,ROC曲线下面积(area under the ROC curve,AUC)为0.817;RF模型的准确率为0.688,AUC为0.650;KNN模型的准确率为0.625,AUC为0.600;NB模型的准确率为0.813,AUC为0.783.结论:SVM模型的性能优于RF、KNN和NB模型,更适用于接受蒽环类与环磷酰胺化疗方案的乳腺癌患者恶心呕吐的预测.

关键词：乳腺癌、机器学习、化疗引起的恶心呕吐、蒽环类、环磷酰胺

所属期刊栏目：43

分类号：R911(药物基础科学)

资助基金：国家自然科学基金81102447

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1447-1451