基于集成学习算法构建前列腺癌预测模型

目的:利用机器学习算法建立前列腺癌诊断预测模型,为前列腺癌患者的穿刺术前诊断提供参考.方法:收集2017年1月-2018年12月中国医科大学附属盛京医院泌尿外科接受前列腺穿刺的255例患者的临床信息作为变量,采用Logistic多因素分析、信息增益率两种方法筛选研究变量,应用十折交叉验证划分训练集和测试集,采用多种机器学习算法(RF,SVM,Logistic,Naive Bayes)建立前列腺癌诊断模型,收集2019年1-6月的75例患者作为验证集,进一步评估模型性能和临床应用的可能性.结果:应用信息增益率筛选变量所建立的模型性能优于Logistic多因素回归分析.在4种机器学习算法中,Naive Bayes算法AUC最高,在试验集和验证集上分别为0.826和0.797.RF算法的Precision最高,在试验集和验证集上分别达到0.839和0.791.结论:基于前列腺穿刺患者的多种临床信息,通过机器学习方法建立诊断预测模型具有较高的准确率,能够为前列腺癌的诊断提供一定参考.