基于Borderline-SMOTE和PFS构建非小细胞肺癌生存预测模型

摘要：

目的 利用机器学习方法预测非小细胞肺癌(NSCLC)患者的5年生存状况,提高预测效率与预测准确性.方法 采用SEER数据库的NSCLC数据进行实验.针对患者数据存在的不平衡问题,使用Borderline-SMOTE法进行数据采样,采用基于扰动理论的特征选择(PFS)方法和决策树(DT)算法筛选特征并构建患者术后生存预测模型.结果 平衡后的数据集纳入了年龄、组织学分级、种族、发病部位、肿瘤分期、病理类型、手术类型共7项预后相关变量.与LASSO、Tree-based、PFS-SVM和PFS-kNN模型相比,使用PFS-DT构建的模型具有最优的预测效果.结论 基于PFS-DT的患者生存预测模型有效提高了NSCLC患者术后生存预测的准确率,可为医生提供治疗和改善预后方面的参考.

关键词：非小细胞肺癌、不平衡、特征选择、生存预测

所属期刊栏目：42

资助基金：国家自然科学基金81760022;国家博士后科学基金2016M592894XB;云南省重大科技专项2018ZF017National Natural Science Foundation of China81760022;National Postdoctoral Science Foundation2016M592894XB;Major Science and Technology Projects of Yunnan Province2018ZF017

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：336-341