目的:基于随机森林和XGBoost两种机器学习算法建立预测模型,探讨其对肾结石患者行输尿管软镜碎石术(flexible ureteroscopic lithotripsy,fURL)后早期结石清除率(stone-free rate,SFR)的预测价值.方法:回顾性分析201例行fURL的肾结石患者的临床资料,根据术后是否达到结石清除标准,将患者分为结石清除组和结石残留组.比较两组患者年龄、体重指数(body mass index,BMI)、结石数目、结石体积、结石密度和肾积水等因素的差异.对于肾下盏结石,需测量肾脏解剖相关指标,包括肾盂漏斗部夹角、肾下盏宽度、肾下盏长度及肾盂肾下盏高度.将上述潜在影响因素分别纳入随机森林和XGBoost算法建立预测模型,绘制受试者工作曲线,检验模型预测价值.前瞻性收集71例患者的临床资料对模型进行外部验证.结果:201例fURL手术均顺利完成,一期手术早期SFR为61.2％.利用随机森林和XGBoost算法建立预测模型并得到不同变量预测重要性评分,随机森林模型和XGBoost模型曲线下面积均为0.77.应用71例样本对模型进行外部验证结果显示,随机森林模型对检测样本的预测总准确率、特异度及灵敏度分别为74.6％、82.6％和60.0％,XGBoost模型对检测样本的预测总准确率、特异度及灵敏度分别为80.3％、87.0％和68.0％.在两种模型中,预测重要性评分排名
作者：朱学华；杨明钰；夏海缀；何为；张智荧；刘余庆；肖春雷；马潞林；卢剑
来源：北京大学学报（医学版） 2019 年 51卷 4期
