换一批基于机器学习算法的卵巢癌风险列线图预测模型
A nomogram risk prediction model for ovarian cancer based on machine learning algorithms
摘要目的:基于机器学习算法构建卵巢癌(OV)发生的风险列线图预测模型,为OV病人的早期筛查提供临床依据.方法:搜集卵巢肿瘤病人142例,其中OV病人71例,卵巢良性肿瘤的病人71例.收集所有病人的年龄、血型、病理诊断、术前血常规、生化常规、凝血功能、免疫过筛以及肿瘤五项等血清学指标.采用LASSO回归初步筛选影响OV的因素,再通过随机森林分析影响因素的重要性排序,并将其结果纳入多因素logistic回归,从而确定最终筛选的影响因素,并用其构建OV列线图预测模型.最后,通过ROC曲线、校准曲线和临床决策分析(DCA)曲线评估模型性能.结果:通过LASSO回归和随机森林筛选影响OV发生的变量重要性由高到低排序依次为糖类抗原125(CA125)、血浆D-二聚体、绝经前卵巢癌风险预测模型(PREM)、绝经后卵巢癌风险预测模型(POSTM)、纤维蛋白原、血小板计数、淋巴细胞百分比(LY％).多因素logistic回归结果发现 CA125(OR=1.037,95％CI:1.012～1.063)、PREM(OR=1.158,95％CI:1.011～1.327)以及 LY％(OR=0.910,95％CI:0.851～0.973)对OV的影响有统计学意义.而构建的OV风险预测列线图模型的ROC曲线的AUC为0.966,校准曲线和DCA曲线也均显示预测模型具有较好临床实用性.结论:基于机器学习算法筛选出影响OV的因素有CA125、PREM和LY％,据此构建的OV风险列线图模型对OV病人具有较高的预测价值.
更多相关知识
栏目名称
DOI
10.13898/j.cnki.issn.2097-5252.2025.07.008
发布时间
2025-09-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
蚌埠医科大学自然科学研究重点项目（2021byzd147）
安徽省临床医学研究转化专项（202427b10020073）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
