基于癌症公共数据库中癌症登记研究数据的机器学习肝癌生存预测方法

《Scientific Reports》：Machine learning based survival prediction for liver cancer using cancer registry linked study from the cancer public library database

　　

摘要

肝癌患者在年轻组和老年组之间的预后因素存在差异，但目前关于预测模型的研究还比较缺乏。我们的目标是为肝癌的年轻患者和老年患者建立死亡预测模型，并确定关键变量。我们使用了癌症公共数据库中2014年至2016年间确诊的4,510名肝癌患者的数据，以5年死亡率作为因变量。我们采用了极端梯度提升、LightGBM、ExtraTree、随机森林和梯度提升算法来构建模型，并分析了具有影响力的变量。在老年组中，梯度提升算法的AUC值最高（0.854），而在年轻组中，随机森林算法的AUC值最高（0.843）。在预测模型中，高密度脂蛋白水平和估算的肾小球滤过率对年轻患者的死亡率有显著影响；而年龄、地形代码C221以及γ-谷氨酰转肽酶水平则对老年患者的死亡率有显著影响。在所有预测模型中，最具影响力的变量是SEER分期以及不存在慢性病毒性肝炎。这些模型对年轻患者和老年患者都具有较好的预测效果，同时也显示了不同年龄组在预测模型中最具影响力变量的差异。