换一批基于随机森林模型的前列腺特异性抗原灰区前列腺癌诊断研究
Development and Validation of a Random Forest-Based Model for Diagnosing Prostate Cancer in the Prostate-Specific Antigen Gray Zone
摘要[目的]应用随机森林(Random Forest,RF)算法,为前列腺特异性抗原(prostate-specific antigen,PSA)水平处于4～10 ng/mL(PSA灰区)的人群构建前列腺癌诊断模型,以提升前列腺癌诊断准确性并减少不必要的穿刺活检.[方法]回顾性收集520例患者的临床数据,按3∶1划分为训练集和测试集.通过网格搜索结合5折交叉验证优化超参数,并利用受试者工作特征(receiver operating characteristic,ROC)曲线、精确率-召回率(precision-recall,PR)曲线及准确率评价模型性能,同时进行变量重要性分析.[结果]PSA灰区患者中前列腺癌检出率为36.3％(189/520).最优超参数组合为:每次分裂随机选择2个变量、50棵决策树及节点最小样本数20.在此条件下,模型平均表现为ROC曲线下面积为0.819,PR曲线下面积为0.860,准确率为0.769.RF模型在训练集和测试集上的ROC曲线下面积分别为0.93和0.80,袋外误差率为24.94％.变量重要性分析显示,前列腺体积和PSA密度(PSA density,PSAD)是最主要的影响因素.[结论]RF模型在PSA灰区患者中具备较高的分类性能和临床应用价值,其中前列腺体积和PSAD是关键诊断指标,可为前列腺癌的临床决策提供有力参考.
更多相关知识
关键词
前列腺肿瘤前列腺特异性抗原灰区随机森林算法前列腺穿刺prostate neoplasmsprostate-specific antigengray zoneRandom Forest algorithmprostate biopsy
分类号
R737.25（泌尿生殖器肿瘤）
栏目名称
DOI
10.11735/j.issn.1671-170X.2026.02.B009
发布时间
2026-03-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省医药卫生科技计划项目（2024KY1840）
丽水市科技计划项目（2023GYX69）
- 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
