换一批摘要目的 基于血常规数据开发结直肠癌预测模型,以提高结直肠癌筛查参与率,降低筛查成本,提高结直肠癌筛查准确性.方法 收集 4 554 例患者依据结肠镜和病理结果分为正常对照组(1 899 例)、息肉组(2 259 例)和结直肠癌组(396 例).按 7∶3 比例分别将各组随机分为训练集和验证集,采用梯度提升树机器学习算法分别建立癌 vs非癌、癌 vs正常对照、癌 vs息肉和息肉 vs正常对照预测模型.模型基于曲线下面积(area under the curve,AUC)进行评估.结果 构建梯度提升树模型,AUC 作为模型准确性评价指标,上述 4 个模型在验证集的 AUC值依次为 0.891、0.921、0.871 和 0.772,三个结直肠癌预测模型AUC值均>0.80.结论 本研究所开发的结直肠癌预测模型可鉴别验证数据集中的癌与非癌人群,模型的泛化能力还需外部独立数据集进一步验证.
更多相关知识
关键词
结肠镜结直肠癌筛查血常规数据梯度提升树模型ColonoscopyColorectal cancer screeningWhole blood countsGradient boosting decision tree
分类号
R735.3（消化系肿瘤）
栏目名称
DOI
10.3969/j.issn.1006-5709.2025.08.020
发布时间
2025-09-01（万方平台首次上网日期，不代表论文的发表时间）
- 浏览8
- 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
