构建和验证慢性胰腺炎发生胰管结石的预测模型:一种机器学习方法

目的 探讨机器学习模型在慢性胰腺炎(CP)患者发生胰管结石风险预测中的效能.方法 回顾性分析2016年1月-2021年1月因CP就诊于兰州大学第一医院患者的临床资料.通过基于支持向量机的递归特征消除法(RFE)筛选预测因子,使用4种机器学习模型拟合,受试者操作特征(ROC)曲线评估模型准确性.结果 纳入患者128例,其中发生胰管结石患者44例,对照组84例.5倍交叉验证的RFE显示吸烟、糖尿病、胰腺假性囊肿、胰管引流、胰腺钙化、胰管直径是最相关的6个预测因子.建立4种机器学习模型的ROC曲线,随机森林模型在验证集的曲线下面积最大.结论 随机森林模型为预测CP发生胰管结石风险概率的有效机器学习模型.当胰管直径达到4.10 mm后,发生胰管结石的风险概率均大于50％.