换一批基于三种特征筛选法的乳腺癌复发转移预测模型构建
Construction of prediction model for breast cancer recurrence and metastasis based on the three-feature screening method
摘要目的:基于 3 种特征筛选方法构建乳腺癌复发转移预测模型,并比较其预测性能.方法:回顾性收集2017 年―2021 年广西某三甲医院乳腺癌复发转移患者 373 例的临床资料,纳入自变量指标 30 个.采用单因素和多因素分析、随机森林嵌套结合递归特征消除、基于Boruta的随机森林特征降维3种方法,按训练集和测试集6:4分别构建基于随机森林的乳腺癌复发转移预测模型,并比较其准确率、精确率、召回率、F1值和AUC值.结果:基于Boruta的随机森林模型(Boruta-RF)筛选获得的重要特征为组织学分级、N分期、肿瘤分期、治疗中是否发生肺叶炎症、CA153,其预测模型整体精度及泛化能力综合最佳,在测试集准确率为 0.787、精确率 0.760、召回率 0.655、F1 值 0.703、AUC 0.819.结论:Boruta-RF模型预测乳腺癌复发转移效果较好,可为临床制定个性化治疗方案提供参考,但仍需更多前瞻性多中心研究验证.
更多相关知识
关键词
乳腺癌特征筛选机器学习Boruta算法预测模型Breast cancerFeatures screeningMachine learningBoruta algorithmPrediction model
栏目名称
DOI
10.3969/j.issn.1673-7571.2025.03.005
发布时间
2025-03-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览20
- 被引1
- 下载17
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
