中晚期子宫内膜癌患者术后近期复发的机器学习模型及其预测价值

摘要：

目的 探讨机器学习模型对中晚期子宫内膜癌患者术后近期复发的预测价值.方法 纳入接受手术治疗的260例中晚期子宫内膜癌患者,并将其分为训练集(144例)与测试集(116例).收集患者的临床及病理资料,采用单因素Cox回归模型分析影响中晚期子宫内膜癌患者术近期复发的危险因素.以得到的危险因素为基础,采用R 4.0.2软件构建5种机器学习模型[随机生存森林(RSF)、梯度提升机、支持向量机、K最近邻、Cox回归];采用一致性指数(C-index)评估5种机器学习模型预测中晚期子宫内膜癌患者术后近期复发的准确性;采用10折交叉验证法进行模型训练和内部验证;采用受试者工作特征曲线分析5种机器学习模型预测中晚期子宫内膜癌患者术后近期复发的效能.结果 年龄≥60岁、国际妇产科协会分期Ⅲ～Ⅳ期、组织学分级G3级、肌层浸润深度>1/2、有淋巴结转移、术前雌激素受体阴性表达是5种机器学习预测模型同时筛选的中晚期子宫内膜癌患者术后近期复发的危险因素(均P<0.05).5种机器学习模型的预测结果与实际结果均呈中度一致性(C-index为0.710～0.862),其中RSF的C-index最高,Cox回归的C-index最低;RSF的曲线下面积相对较大(0.875),且敏感度、特异度及准确度最高(分别为0.977、0.810、0.900).结论 机器学习模型筛选出6个临床病理特征,能对中晚期子宫内膜癌患者术后近期复发进行有效预测,其中RSF的预测效能相对较好.

关键词：子宫内膜癌、中晚期、机器学习、手术、近期复发、预测效能

所属期刊栏目：44

分类号：R737.33(肿瘤学)

资助基金：广西壮族自治区卫生健康委员会自筹经费科研课题Z20210450

在线出版日期：2022-08-19（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：1363-1367,1401