构建基于机器学习算法的肺癌查风险预测模型
Tiantian Zhang1,2, Yexin Chen1, Pei Wang3,4
1College of Pharmacy/Southern Institute of Pharmacoeconomics and Health Technology Assessment, Jinan University, Guangzhou, China.
Journal of evidence-based medicine
|January 7, 2026
概括
机器学习模型,如XGBoost,可以改善肺癌风险预测在中国的查. XGBoost模型显示出比物流回归更好的准确性,突出了儿童燃料暴露作为风险因素.
科学领域:
- 在瘤学瘤学.
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 通过风险预测模型,可以提高肺癌查的准确性.
- 这些模型的研究,特别是机器学习,在中国是有限的.
研究的目的:
- 开发和比较基于机器学习的肺癌风险预测模型,用于中国的查.
- 在中国人群中确定肺癌的关键风险因素.
主要方法:
- 使用了11708名参与者的前性队列.
- 拉索回归选的变量.
- 后勤回归和XGBoost模型被构建和验证.
主要成果:
- 在XGBoost模型 (AUC:0.658) 中,区分能力略高于逻辑回归 (AUC:0.647).
- 儿童暴露于燃料被确定为肺癌的重要,未经研究的风险因素.
结论:
- 在查期间,XGBoost模型为肺癌风险评估提供了卓越的预测准确性和稳定性.
- 这项研究为识别中国高危人群提供了宝贵的工具.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.4K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
