基于机器学习的肺癌患者预后分析及治疗方案评估研究.pdfVIP

摘要

肺癌是国内外死亡率和发病率最高的恶性肿瘤。其中，非小细胞肺癌（Non-

smallcelllungcancer，NSCLC）约占肺癌的85%，由于缺乏早期诊断手段，大多数

患者被发现时已处于中晚期，导致早期死亡(确诊后6个月内发生死亡)的现象普遍

存在。早期死亡通常与患者的临床特征密切相关，通过构建II-IV期NSCLC早期

死亡预测模型，可以识别出高风险群体，并采取干预措施以改善NSCLC的预后。

此外，肺鳞状细胞癌（LungSquamousCellCarcinoma,LSCC）占据NSCLC的20%-

30%，由于LSCC在基因表型、临床特征以及对放化疗的敏感性等方面具有特殊性，

导致其5年生存率仅15%左右。鉴于这一情况，有必要对LSCC进行独立研究，

探索其最佳治疗方案。在当前的研究中，许多学者利用机器学习算法构建临床预测

模型，然而这些模型存在针对性不足、准确率不高以及可解释性不强等问题，因此

本研究旨在利用医疗大数据构建可解释性算法并开展下述研究：

（1）本文构建了基于Cox比例风险回归的II-IV期NSCLC早期死亡预测模型，

以预测患者早期死亡的风险。利用单、多因素Cox回归方法筛选出患者性别、年

龄、组织分型、癌症转移、治疗方式等13个重要特征，以此构建临床预测模型用

于预测NSCLC患者在半年、一年及两年的生存率，该模型在ROC曲线、校准度

曲线以及决策曲线均表现优异。

（2）本文基于倾向得分匹配（PropensityScoreMatching，PSM）和K-M生存

分析评估LSCC患者术后辅助化疗与辅助放化疗两种治疗方案的预后价值，为临

床实践提供重要依据。本文研究结果表明LSCC患者采取辅助化疗的预后优于辅

助放化疗。之后基于Cox比例风险回归方法构建LSCC辅助化疗预后模型，结果

表明要综合考虑患者年龄、TNM分期、肿瘤大小、淋巴结清扫情况等相关的因素，

识别获益最大的LSCC患者子群，实现个体化治疗决策，以提高治疗效果及预后。

（3）本文提出一种基于Bo-CatBoost的可解释性机器学习算法，解决了Cox比

例风险回归模型准确率不高的问题。为进一步提升肺鳞癌患者辅助化疗预后模型

的准确率，采用基于贝叶斯优化的CatBoost方法构建模型，并利用机器学习可解

释性方法对模型的背后逻辑进行分析。最终，将该模型的检测结果与随机森林、

XGBoost等5种方法进行对比。Bo-CatBoost模型在预测患者1年总生存率时的精

确率、召回率、F1值、AUC分别达到82.76%、96.75%、90%、0.76。本文基于SEER

数据库，利用机器学习方法研究非小细胞肺癌患者早期死亡预测模型，并针对预后

较差且患病人数较多的肺鳞癌患者，评估其最佳治疗方案。该研究为肺癌患者的预

后评估和治疗决策提供了科学依据。

关键词：肺癌，Cox比例风险回归，CatBoost，贝叶斯优化

ABSTRACT

Lungcanceristhemostcommonmalignanttumorwiththehighestmortalityand

incidenceratesbothdomesticallyandinternationally.Amongthem,non-smallcelllung

cancer(NSCLC)accountsforapproximately85%ofalllungcancercases.Duetothe

lackofearlydiagnosticmethods,mostpatientsarediagnosedatanadvancedstage,

leadingtoahighprevalenceofearlymortality.Earlymortalityisoftenassociatedwith

poorprognosisinpatients.Bystudyingthefactorsrelatedtoearlymortalityinadvanced-

stageNSCLC,hig