首页|基于机器学习构建头颈部肿瘤放疗患者吸入性肺炎的预测模型

基于机器学习构建头颈部肿瘤放疗患者吸入性肺炎的预测模型

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
目的 探讨头颈部肿瘤放疗患者吸入性肺炎的危险因素，通过机器学习建立预测模型并筛选最优模型。方法 选取 2016 年 5 月～2023 年 3 月福建省肿瘤医院诊治的 1 012 例头颈部肿瘤放疗患者作为研究对象，按照 3:1 的比例随机分成训练集和验证集。使用最小绝对收缩和选择算子算法(The least absolute shrinkage and selection operator，LASSO)筛选危险因素。建立Logistic 回归、贝叶斯网络、随机森林、支持向量机、极端梯度提升 5 个机器学习预测模型，并评估模型的预测效能。结果 训练集中吸入性肺炎发生率为 19。0%(144/759)，LASSO算法筛选的 4 个非零系数变量分别为年龄、饮酒、肿瘤类型、吞咽困难。在训练集和验证集中，随机森林的AUC分别为 0。830(95%CI:0。788～0。872)和0。870(95%CI:0。792～0。948)，F1 值分别为 0。575 和 0。633，均高于其他 4 种预测模型。结论 吸入性肺炎是头颈部肿瘤放疗患者常见并发症。在机器学习建立的 5 种模型中，随机森林模型的预测效果最好，为临床医护人员识别高危患者并采取积极有效的预防措施提供依据。

庄碧玉、郑玮珊、张萌

展开 >

福建医科大学肿瘤临床医学院福建省肿瘤医院放疗科,福建福州 350014

头颈部肿瘤 放疗 吸入性肺炎 机器学习

2024

10.3969/j.issn.1672-9463.2024.09.012

中国现代医药杂志
北京航天总医院

中国现代医药杂志

影响因子：0.689
ISSN：1672-9463
年,卷(期)：2024.26(9)