基于四种机器学习算法建立预测肝癌切除术后复发模型

摘要：

目的:基于机器学习算法建立肝癌切除术后模型,预测患者术后复发概率.方法:回顾性分析广西中医药大学第一附属医院2017年12月至2019年6月肝癌切除术后患者的临床资料,将患者分为术后复发组与未复发组.首先通过比较收集得到的两组患者19个临床指标,将差异有统计学意义的指标导入逻辑回归、随机森林、人工神经网络和支持向机量机器学习算法建立四种预测模型,并获得预测变量重要性和评估模型效能的各项指标,从而评估各模型.结果:①共收集210例患者资料,其中包括术后复发患者98例和未复发患者112例;②4种预测模型中,预测重要性评分排名靠前的为NLR、肿瘤数目、肿瘤分化程度、PLR、肿瘤直径这几个变量对模型的预测效能有重要影响;③4种模型评估:逻辑回归、随机森林、人工神经网络和支持向量机算法的AUC值分别为0.889、0.868、0.705和0.649.结论:在本研究中,逻辑回归、随机森林表现较好,这两种机器学习算法建立的模型可较准确预测肝癌切除术后复发可能性.NLR、肿瘤数目、肿瘤分化程度、PLR、肿瘤直径可能是影响肝癌术后复发的预测因素.

关键词：肝癌切除术后、机器学习、危险因素、回顾性分析、逻辑回归、预测模型

所属期刊栏目：33

分类号：R735.7(肿瘤学)

资助基金：国家自然科学基金;国家自然科学基金;广西自然科学基金项目;广西自然科学基金项目;广西研究生教育创新计划项目;广西研究生教育创新计划项目

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：202-208