基于 SEER 数据库：利用机器学习预测宫颈癌淋巴结转移患者预后的创新探索

宫颈癌是全球女性常见恶性肿瘤，淋巴结转移患者预后差。研究人员利用 SEERStat 数据库数据，构建 XGBoost、随机森林等多种模型预测患者预后。结果显示 XGBoost 性能最优，手术可改善生存。该研究为个性化临床管理提供新支持。

　　宫颈癌是全球女性中最常见的恶性肿瘤之一，对于有淋巴结转移的患者而言，其预后情况不佳。本研究使用 SEERStat 数据库（2021 年 11 月版本）的数据，这些数据涵盖了 2000 年至 2020 年期间确诊为宫颈癌且伴有淋巴结转移的 1016 名女性患者。研究构建了多种机器学习模型，包括极端梯度提升（XGBoost）、随机森林、支持向量机（SVM）、人工神经网络（ANN）以及 Cox 比例风险模型，并采用 C 指数、曲线下面积（AUC）、准确率和精确率等指标对模型进行评估。此外，为了验证模型的稳定性，研究从 1975 年至 2019 年的 8 个登记处随机抽取 200 名患者作为验证集。结果发现，XGBoost 在验证集中的 AUC 达到 0.787，在训练集和测试集中的 C 指数分别为 0.900 和 0.773，表现优于其他模型。Cox 回归分析表明，原发部位的手术能够显著改善患者的生存结局并降低死亡率。XGBoost 在预测宫颈癌淋巴结转移患者的预后方面展现出卓越的性能，为个性化临床管理提供了新的支撑。