应用可解释的机器学习算法来预测卵巢清细胞癌的远程转移
Qin-Hua Guo1,2,3, Feng-Chun Xie4, Fang-Min Zhong1
1Jiangxi Province Key Laboratory of Laboratory Medicine, Jiangxi Provincial Clinical Research Center for Laboratory Medicine, Department of Clinical Laboratory, The Second Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi, China.
Cancer medicine
|April 13, 2024
概括
这项研究开发了一个随机森林模型来预测卵巢清细胞癌 (OCCC) 的远程转移. 该模型准确地识别了有风险的患者,有助于对这种耐化疗癌症的临床决策.
科学领域:
- 在瘤学瘤学.
- 机器学习在医学中的应用
- 癌症转移研究 癌症转移研究
背景情况:
- 卵巢清细胞癌 (OCCC) 是一种具有挑战性的卵巢上皮癌 (OEC) 亚型,具有较差的化疗反应.
- 远程转移显著恶化了OCCC患者的预后.
- 识别转移的风险因素对于改善OCCC患者的治疗结果至关重要.
研究的目的:
- 确定卵巢清细胞癌 (OCCC) 远程转移的危险因素.
- 开发和验证一种机器学习模型,用于预测OCCC的远程转移.
主要方法:
- 利用监测,流行病学和最终结果 (SEER) 数据库 (2004-2015) 获取OCCC患者数据.
- 采用高斯天真贝叶斯和Adaboost进行初始因子选择,并通过Venn测试进行细化.
- 使用XGBoost,LightGBM,Random Forest,Adaboost,SVM和MLP构建预测模型,并使用SHAP分析进行解释.
主要成果:
- 随机森林 (RF) 模型在预测远程转移方面表现出卓越的性能.
- 射频模型实现了高精度 (0.792) 和AUC (0.834),具有强烈的灵敏度 (0.904) 和负预测值 (0.974).
- SHAP分析证实了与OCCC转移风险相关的关键临床因素.
结论:
- 成功建立了基于机器学习的OCCC转移的精确预测模型.
- 开发的模型为临床医生提供了宝贵的支持,帮助他们做出明智的治疗决策.
- 这种方法增强了卵巢清细胞癌中远程转移的管理.
