基于常规实验室指标与机器学习方法的鼻咽癌风险预测模型构建与验证

《European Journal of Medical Research》：Building a prediction model for nasopharyngeal carcinoma based on machine learning using laboratory test indicators: a study targeting populations in high-risk areas

　　

摘要

背景

鼻咽癌（NPC）的早期筛查对于提高鼻咽癌患者的生存率至关重要。在鼻咽癌高发地区，EB病毒（EBV）检测是主要的筛查方法，但其假阳性率相对较高，且经济成本较高。

目的

本研究旨在利用机器学习方法，基于常规实验室检测结果构建鼻咽癌风险预测模型，从而为中高风险人群提供个性化筛查服务。

方法

分析了来自两个中心的9957名参与者的数据：梧州红十字会医院（3660例鼻咽癌患者和3576例对照组）以及广西壮族自治区人民医院（1446例鼻咽癌患者和1275例对照组）。共检验了22个候选变量，包括19项常规实验室测量指标和3个衍生比值（中性粒细胞/白细胞、中性粒细胞/淋巴细胞、白蛋白/碱性磷酸酶）。将梧州红十字会医院队列划分为训练集和内部测试集，而广西壮族自治区人民医院队列则作为独立的对外验证集。采用LASSO回归进行预测变量选择，随后开发了八种机器学习算法：逻辑回归（LR）、决策树（DT）、随机森林（RF）、支持向量机（SVM）、极端梯度提升（XGBoost）、朴素贝叶斯（NB）、K近邻（KNN）和多层感知器（MLP）。使用曲线下面积（AUC）、准确率（ACC）、召回率和F1分数评估模型性能，并利用Shapley值识别重要贡献变量。

结果

经筛选后获得六个核心预测变量，包括性别、年龄、血红蛋白、淋巴细胞、钙和镁。在所有模型中，随机森林模型表现出最强的综合性能，训练集AUC为0.99（95% CI 0.98–0.99），测试队列AUC为0.93（95% CI 0.92–0.94）。在外部验证集中，同样保持了稳健的分类性能（AUC = 0.83）。此外，SHAP分析显示淋巴细胞对模型预测的贡献最大，其次依次为性别、年龄、钙、镁和血红蛋白。

结论

利用机器学习方法基于常规体检指标构建预测模型，有助于识别鼻咽癌风险增加的人群，并支持中高风险地区的早期发现和针对性干预。