基于随机森林模型的肺部肿瘤浸润性预测与分析研究

探讨肺部肿瘤浸润性的独立危险因素,建立预测分类模型,并针对现下肺部肿瘤预测模型多使用传统Logistic回归方法,容易导致拟合过度并且预测准确度有限的问题,提出了基于随机森林(RF)算法,建立肺部肿瘤浸润性的风险预测模型,与Logistic回归、决策树(CART)、支持向量机(SVM)、XGBoost从模型区分度、模型校准度和临床适用度3方面进行比较,结果表明,随机森林分类器对于肺部肿瘤浸润性数据集有着更高的预测准确性、一致性和临床适用性。对变量特征重要性进行分析发现,恶性概率对判断肺部肿瘤浸润性有着显著影响,对于促进早发现、早诊断、早治疗肺癌有着重要应用价值。