南方医科大学学报

作者：张浩轩, 陆 进, 蒋成义, 方美芳

单位：蚌埠医学院人体解剖学教研室，数字医学与智慧健康安徽省重点实验室，第一附属医院；安徽 蚌埠 233030

关键词：鼻咽癌；预测模型；列线图；危险因素；人工智能,

目的 利用人工智能（AI）技术筛选鼻咽癌（NPC）患者死亡的危险因素，并构建风险预测模型。方法 基于SEER数据库（1973~2015）NPC患者的临床数据；采用SPSS 25.0软件对数据进行处理，并按7∶3随机分为建模组和验证组；利用R软件对建模组数据采用极限梯度提升（XGBoost）、决策树(DT）、套索算法（LASSO）与随机森林（RF）等4种AI算法筛选NPC患者死亡的危险因素，并构建风险预测模型。用C-指数（C-index）、决策曲线分析（DCA）、受试者工作特征曲线（ROC）和校准曲线（CC）等4种方式对模型进行内部评价；利用验证组数据和搜集的临床数据对模型进行内部验证与外部验证。结果 共纳入2116例NPC患者的临床数据（建模组1484例；验证组632例）；建模组数据筛选影响NPC患者死亡的危险因素有年龄、种族、性别、Stage_M、Stage_T和Stage_N，利用其构建NPC风险预测模型的内部评价的C-index为0.76、ROC曲线下面积AUC=0.74、DCA净获益率为9%~93%，内部验证的C-index为0.740、ROC曲线下面积AUC=0.749、DCA净获益率为3%~89%，且CC高度一致；外部验证数据的C-index为0.943；DCA净获益率为（3%~97%）；ROC曲线下面积AUC=0.851；而CC显示预测值与真实值之间具有良好的一致性。结论 性别、年龄、种族以及TNM分期是NPC患者死亡的危险因素，而NPC风险预测模型具有准确性、一致性、区分性与实用性等价值。

来源：2023年第2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2期