利用机器学习算法构建浸润性乳腺癌预后模型:基于SEER数据库

目的利用机器学习算法分析浸润性乳腺癌预后的影响因素并构建预后模型。方法采集美国监测、流行病学和终点事件(SEER)数据库中2010-2015年24584例浸润性乳腺癌患者的临床和病理资料。利用单因素分析和logistic回归分析筛选预后变量,使用logistic回归、决策树、支持向量机、随机森林、人工神经网络5种机器学习分类算法建立生存预后的预测模型,评价各建模方法的预测能力,以灵敏度、特异度、准确度及ROC曲线的AUC作为模型的评价指标。结果在21个模型输入变量中,组织分级、T分期、N分期、M分期、脑转移、人表皮生长因子受体2表达状态、手术治疗等因素对浸润性乳腺癌患者生存预后具有较大影响,5种机器学习算法构建的预后模型中随机森林和人工神经网络模型预测效果较好。结论利用机器学习算法构建的浸润性乳腺癌预后模型的预测效果较好,可辅助医师判断浸润性乳腺癌患者的预后情况和治疗效果。