目的基于不同机器学习算法建立预后预测模型,以帮助筛选恶性黑色素瘤高风险患者,提高生存率。方法自2024年1—6月,郑州市第一人民医院整形外科收集SEER数据库(Surveillance,Epidemiology,and End Results,SEER)中2004—2013年确诊为皮...目的基于不同机器学习算法建立预后预测模型,以帮助筛选恶性黑色素瘤高风险患者,提高生存率。方法自2024年1—6月,郑州市第一人民医院整形外科收集SEER数据库(Surveillance,Epidemiology,and End Results,SEER)中2004—2013年确诊为皮肤恶性黑色素瘤的患者资料,采用机器学习中的逻辑回归(logistic regression,LR)、决策树(decision tree,DT)、朴素贝叶斯(naïve Bayes,NB)、K近邻(K-nearest neighbor,KNN)和随机森林(random forest,RF)算法,建立预测皮肤恶性黑色素瘤5年生存状态的模型,使用10折交叉验证法对模型效能进行验证,评估不同模型的预测效能。结果共纳入研究对象92328例,其中包括训练集(n=64630,70%)和测试集(n=27698,30%);所有患者的5年生存率为92.5%;在本研究中,逻辑回归、决策树、朴素贝叶斯、K近邻和随机森林模型的受试者工作特征曲线下面积分别为0.908、0.858、0.907、0.724和0.903。结论本研究基于机器学习算法对恶性黑色素瘤患者5年后的生存状态进行预测,其中逻辑回归、朴素贝叶斯和随机森林模型对于恶性黑色素瘤生存预测效果较好,提供了一种与传统统计学方法不同的预测工具。辅助临床医师筛查高危患者,为恶性黑色素瘤患者提供精准的个体化治疗以及个性化的预后管理方式。展开更多
