基于SEER数据库应用贝叶斯网络构建亚洲肿瘤患者预后模型——以非小细胞肺癌为例
[目的]利用SEER数据库,找出对非小细胞肺癌患者预后生存的影响因素并预测患者预后生存状态,指导肿瘤预后评价.[方法]采用单因素统计学方法及Logistic回归分析初步筛选预后相关因素,利用贝叶斯网络方法构建患者术后生存预测模型,并与其他三种常见的机器学习分类算法所建模型效能做比较.[结果]最终纳入模型的预后变量共5项,包括年龄、肿瘤大小、组织学分级、肿瘤分期和受累淋巴结比率.贝叶斯网络所建模型对非小细胞肺癌患者生存状况预测准确率达到72.87％.[局限]SEER数据库内纳入的预后因素有限,一定程度影响预测效果.[结论]贝叶斯网络可探寻变量间的关系并构建肺癌患者最优预后模型,辅助医生判断患者预后情况及治疗效果,优于决策树、支持向量机及人工神经网络三种模式.
贝叶斯网络、非小细胞肺癌、预后、机器学习
R730.7;G35(肿瘤学)
国家自然科学基金项目“中国临床医师岗位胜任力模型构建及评价体系研究”71473268;辽宁省科学技术计划项目“肝炎、结核等重大疾病临床研究平台建设”之子项目“构建辽宁本溪生物医药科技产业基地的信息化服务与成果转化创新平台”2013225079;教育部人文社会科学研究青年基金项目“基于语义述谓网络属性的多文档自动摘要:以生物医学为例”项目13YJC870030的研究成果之一
2017-04-18（万方平台首次上网日期，不代表论文的发表时间）
共6页
41-46
