首页|基于LASSO变量选择联合贝叶斯网络构建乳腺癌患者5年预后风险模型的建立与预测

基于LASSO变量选择联合贝叶斯网络构建乳腺癌患者5年预后风险模型的建立与预测

扫码查看
原文链接
  • 万方数据
  • 维普
目的 利用最小绝对收缩和选择算法(LASSO)回归和贝叶斯网络构建乳腺癌患者5年预后风险预测模型，以期探讨乳腺癌预后的因果联系和危险因素。方法 回顾性分析新疆医科大学附属肿瘤医院乳腺癌专病库系统中2010年1—12月首诊为乳腺癌的17104例患者的病例资料，包括人口统计学、病理、免疫组织化学、治疗信息等共76个指标。通过LASSO回归筛选出与乳腺癌预后明显相关的影响因素，借助贝叶斯网络分析影响因素间的相互作用并评价模型预测性能。结果 LASSO回归筛选出18个与乳腺癌患者5年预后强相关的变量，分别是年龄、民族、初潮年龄、肿瘤分期、肿瘤家族史、是否绝经、手术分组、复发转移、组织学分级、雌激素受体状态、孕激素受体状态、Ki-67表达水平、HER2 Fish状态、放疗、化疗、靶向治疗、内分泌治疗、新辅助治疗。贝叶斯网络模型发现雌激素受体状态、孕激素受体状态、Ki-67表达水平与放疗、化疗等中间节点联系，间接地影响乳腺癌患者5年预后情况，Ki-67表达水平与HER2 Fish状态间接连接靶向治疗，而靶向治疗又是乳腺癌患者生存结局的父节点。模型评价发现贝叶斯网络模型的分类准确率为82。0％，曲线下面积为0。813。结论 本研究构建的基于LASSO变量选择联合贝叶斯网络构建的乳腺癌5年生存预后风险预测模型具有良好的预测价值。
Establishment and prediction of 5-year prognostic risk model for breast cancer patients based on LASSO variable selection combined with Bayesian network

breast cancerthe least absolute shrinkage and selection operator regressionbayesian networkpredictiondata mining

闫慈、古丽努尔·阿卜杜热合曼、张旭、孙刚

展开 >

新疆医科大学附属肿瘤医院信息管理与大数据中心,乌鲁木齐 830011

乳腺癌 最小绝对收缩和选择算法 贝叶斯网络 预测 数据挖掘

国家卫生健康委医院管理研究所乳腺癌单病种诊疗能力提升项目新疆维吾尔自治区自然科学基金项目新疆医科大学医学科学研究所开放课题资助项目

RXDBZ-2022-062022D01C788YXYJ20230302

2024

10.3969/j.issn.1671-8348.2024.03.016

重庆医学
重庆市卫生信息中心,重庆市医学会

重庆医学

CSTPCD
影响因子：1.797
ISSN：1671-8348
年,卷(期)：2024.53(3)
  • 25