换一批基于机器学习和SEER数据库的胃腺癌远处转移预测效果评价
Evaluation of the predictive performance for distant metastasis in gastric adenocarcinoma based on machine learning and the SEER database
摘要目的 探讨基于人口统计学信息和肿瘤特征构建的模型预测胃腺癌患者远处转移的效果.方法 收集2001-2021年监测、流行病学和结果(SEER)数据库7 788例胃癌患者数据作为训练集,收集2019年1月至2024年10月南充市嘉陵区人民医院259例胃腺癌患者临床资料作为测试集.采用4种机器学习算法构建胃腺癌远处转移风险预测模型,多因素logistic回归分析胃腺癌患者远处转移的影响因素.结果 训练集中801例(10.3%)存在远处转移,测试集中25例(9.7%)存在远处转移.多因素logistic回归分析结果显示,分化程度高、T分期晚、阳性淋巴结对数比(LODDS)多为胃腺癌患者发生远处转移的危险因素(P<0.05),年龄大、肿瘤原发部位为胃食管结合部和总淋巴结检出数多为胃腺癌患者发生远处转移的保护因素(P<0.05).4种模型测试集验证结果显示,随机森林的预测能力优于logistic回归、K最近邻算法(KNN)和支持向量机(SVM),SVM的预测能力优于logistic回归和KNN,而logistic回归和KNN两个模型的预测能力相当.Delong检验结果显示,随机森林的预测性能优于logistic回归、KNN和SVM.校准曲线分析结果显示,随机森林的预测准确性优于logistic回归、KNN和SVM.随机森林中前5位重要因素为阴性淋巴结数、肿瘤大小、转移淋巴结数、T分期和年龄.结论 随机森林构建的胃腺癌远处转移风险预测模型性能最优.
更多相关知识
关键词
胃腺癌机器学习远处转移淋巴结随机森林gastric adenocarcinomamachine learningdistant metastasislymph nodesrandom forest
分类号
R735.2（消化系肿瘤）
栏目名称
DOI
10.3969/j.issn.1671-8348.2025.11.028
发布时间
2025-12-15（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
