南方医科大学学报

作者：高凯绩, 王一豪, 曹海坤, 贾建光

单位：蚌埠医学院第一附属医院肿瘤外科，安徽 蚌埠 233000

关键词：食管胃结合腺癌；人工智能；机器学习；Cox比例风险回归模型,

目的 探讨机器学习和传统Cox回归模型在预测食管胃结合部腺癌（AEG）患者术后生存能力中的应用价值。方法 选取2015年9月~2020年10月本院收治的287例AEG患者，排除失访及临床资料缺失者，共筛选出203例患者的临床病理资料，经过对数据的赋值等处理，转换成满足R语言分析数据的要求的数据。将203例患者数据使用随机数表法按照3∶1的比例划分为训练集和验证集，对两组数据分别进行Cox比例风险模型构建和4种机器学习模型的构建，绘制出ROC曲线、校准曲线和临床决策曲线（DCA）。为评估4种机器学习模型之间的预测效能，进行机器学习模型的内部验证。通过曲线下面积(AUC)评价模型预测的性能，校准曲线反映模型的拟合情况，并通过DAC判断其临床意义。结果 Cox等比例风险回归、极端梯度提升、随机森林、支持向量机、多层感知机验证集中3年生存率的AUC值分别为0.870、0.901、0.791、0.832、0.725，验证集中5年生存率的AUC值分别为0.915、0.916、0.758、0.905、0.737。4种机器学习模型内部验证分别是：极端梯度提升（AUC=0.818）、随机森林（AUC=0.772）、支持向量机（AUC=0.804）、多层感知机（AUC=0.745）。结论 机器学习模型对于AEG患者生存率预测的表现优于Cox等比例风险回归模型，尤其在不满足等比例假设或线性回归模型下，并能够包含较多的影响变量。在内部验证中，XGBoost模型的预测效能最好，支持向量机次之，随机森林出现过拟合，多层感知机受数据量影响可能拟合效果较差。

来源：2023年第6期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2023年第6期