目的:通过随机森林算法构建胰腺癌患者术后5年生存情况预测模型,为胰腺癌患者术后预后评估提供指导.方法:利用美国国立癌症研究所监测、流行病学和结果数据库(SEER)收集符合本研究要求的42618条胰腺癌患者及其预后数据,经过数据筛选最终纳入4020条患者信息.将研究对象随机分为训练集和测试集,采用χ2检验、多因素Logistic回归分析和随机森林变量重要性排名进行特征变量选择;利用合成少数样本过采样技术(SMOTE)将训练集调整为平衡数据集;基于平衡后数据集利用随机森林算法构建预测模型;利用测试集,基于G-mean指数、灵敏度、特异度和受试者工作特征(ROC)曲线下面积(AUC)4个评价指标,分别与Logistic回归分析、支持向量机、决策树和人工神经网络算法进行比较,对预测模型做出评价.结果:原始训练集中包含2814个样本,其中生存时间≥5年的患者有196例,占比约1/13,是不平衡数据集,经过SMOTE方法调整后获得平衡数据集,二分类样本数量基本达到平衡.最终纳入模型的变量有年龄、种族、肿瘤原发部位、肿瘤分化程度、是否放疗、T分期、N分期、婚姻状况、肿瘤大小和淋巴结阳性比率.基于随机森林算法构建的胰腺癌患者术后预测模型G-mean指数为0.830,AUC为0.833[P<0.05,95％置信区间(CI)(0.784,0.876)],优于Logistic回归分
作者：李承圣；包绮晗；郝晓燕；潘庆忠；王素珍；石福艳
来源：吉林大学学报（医学版） 2022 年 48卷 2期
