基于机器学习方法的原发性肝癌患者预后预测研究

• 作者: 周毅 张学良 李琳 杨日东 王哲
• 来源期刊: 中国数字医学
• 学科: 医学
• 关键词: 机器学习 原发性肝癌 logistic回归 支持向量机 预后预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 特别专题-人工智能在医学领域的研究与应用
• 页码范围: 34-37
• 页数: 4页
• 分类号: R319
• 字数: 4294字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2019.03.009

摘要

目的:使用机器学习方法对原发性肝癌患者生存和复发时间进行预测,并比较不同机器学习方法的预测效果.方法:使用Logistic回归、随机森林、SVM、C5.0决策树、神经网络、Bagging算法和Adaboost算法构建患者肝切除手术后3年无瘤生存时间和3年总生存时间的预后预测模型.结果:通过Logistic回归模型找到了影响患者生存和复发的影响因素,并且支持向量机和随机森林有较好的效果,测试集上的AUC为0.7122和0.7103.结论:机器学习方法相较于Logistic回归模型有较好的预测效果,但是Logistic回归模型有较好的可解释性.在分析实际问题时,可以采用二者结合的方法.