基于机器学习的预测模型,用于乳腺癌的远程转移
Hao Duan1, Yu Zhang2, Haoye Qiu1
1School of Computer Science and Technology, Hainan University, Haikou, 570228, China.
Computers in biology and medicine
|January 11, 2024
概括
这项研究开发了一个21基因模型,使用随机森林来预测乳腺癌远程转移. 该模型实现了93.6%的准确性,为减少乳腺癌死亡率提供了潜在的工具.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌是女性最常见的癌症,晚期癌症往往会导致危及生命的远程转移.
- 转移症状的晚期表现需要改善早期干预的预测方法.
研究的目的:
- 为了确定与乳腺癌远程转移相关的目标基因.
- 开发和验证乳腺癌远程转移的预测模型.
主要方法:
- 利用差异分析和加权基因共表达网络分析 (WGCNA) 进行初始基因查.
- 采用LASSO回归来选择生物标志物和进行相关性分析.
- 构建并比较了多种预测模型,包括后勤回归,随机森林,支持向量机,GBDT和XGBoost.
主要成果:
- 开发了几个21基因乳腺癌远程转移预测模型.
- 基于随机森林的模型表现出卓越的性能,准确度为93.6%,F1得分为88.9%,验证集AUC为91.3%.
结论:
- 开发的随机森林模型准确地预测了远距离的乳腺癌转移.
- 这些发现可能有助于在护理地点进行预后分析,以降低乳腺癌死亡率.
