基于改进LightGBM集成模型的胃癌存活性预测方法

胃癌存活性预测是胃癌预后的一项重要工作,通过挖掘影响胃癌患者存活性的重要特征以及准确地对存活性进行预测,能为医生诊疗提供决策支持。针对目前胃癌存活性预测研究中存在的准确性不足及缺乏模型可解释性等问题,本文提出一种基于改进LightGBM的集成分类方法(SGPL-LightGBM)进行胃癌存活性预测和预测模型事后解释。首先,借助基于稳定性的特征选择(stability feature selection)方法确定了最佳特征子集,在减少计算开销的同时提升了预测准确性。之后,引入智能优化算法(genetic algorithm)对SGPL-LightGBM模型中的重要超参数进行优化,进一步提升胃癌存活性预测模型性能。结合部分依赖图分析方法(partial dependence plot)和LIME(local interpretable model-agnostic explanations)技术,对重要特征给模型预测响应带来的影响进行解释。对在真实胃癌数据集进行了验证实验,结果表明,所提出的SGPL-LightGBM集成分类预测方法在胃癌存活性预测上有着更高的准确性及可解释性,能为医生治疗方案的制订提供有效地决策支持。