基于SEER数据库应用贝叶斯网络构建亚洲肿瘤患者预后模型——以非小细胞肺癌为例

发布时间：2018-01-23 03:59

本文关键词： 贝叶斯网络非小细胞肺癌预后机器学习　出处：《数据分析与知识发现》2017年02期 　论文类型：期刊论文

【摘要】：【目的】利用SEER数据库,找出对非小细胞肺癌患者预后生存的影响因素并预测患者预后生存状态,指导肿瘤预后评价。【方法】采用单因素统计学方法及Logistic回归分析初步筛选预后相关因素,利用贝叶斯网络方法构建患者术后生存预测模型,并与其他三种常见的机器学习分类算法所建模型效能做比较。【结果】最终纳入模型的预后变量共5项,包括年龄、肿瘤大小、组织学分级、肿瘤分期和受累淋巴结比率。贝叶斯网络所建模型对非小细胞肺癌患者生存状况预测准确率达到72.87%。【局限】SEER数据库内纳入的预后因素有限,一定程度影响预测效果。【结论】贝叶斯网络可探寻变量间的关系并构建肺癌患者最优预后模型,辅助医生判断患者预后情况及治疗效果,优于决策树、支持向量机及人工神经网络三种模式。
[Abstract]:[objective] to find out the prognostic factors of non-small cell lung cancer (NSCLC) by using SEER database and to predict the survival status of NSCLC patients. [methods] univariate statistical method and Logistic regression analysis were used to screen the prognostic factors, and Bayesian network was used to construct the survival prediction model. And compared with the other three common machine learning classification algorithm model effectiveness. [results] finally included in the model prognostic variables a total of 5 items, including age, tumor size, histological grading. The accuracy of Bayesian network model in predicting the survival status of non-small cell lung cancer patients was 72.87. [limited] the prognostic factors included in the SEER database were limited. . [conclusion] Bayesian network can explore the relationship between variables and construct the optimal prognosis model of lung cancer patients, assist doctors to judge the prognosis of patients and treatment effect, better than the decision tree. Support vector machine (SVM) and artificial neural network (Ann) are three modes.
【作者单位】：中国医科大学医学信息学院;中国医科大学附属盛京医院;
【基金】：国家自然科学基金项目“中国临床医师岗位胜任力模型构建及评价体系研究”(项目编号:71473268) 辽宁省科学技术计划项目“肝炎、结核等重大疾病临床研究平台建设”之子项目“构建辽宁(本溪)生物医药科技产业基地的信息化服务与成果转化创新平台”(项目编号:2013225079) 教育部人文社会科学研究青年基金项目“基于语义述谓网络属性的多文档自动摘要:以生物医学为例”(项目编号:13YJC870030)的研究成果之一
【分类号】：R734.2;TP311.13
【正文快照】： 肺癌是肿瘤患者死亡的主要原因,其中非小细胞肺癌(Non-Small Cell Lung Cancer,NSCLC)约占所有肺癌病例的83%,其发病率为40.60/10万,5年生存率仅为22.1%[1]。非小细胞肺癌发病率高且预后差,对其预后的判断就尤为重要。目前临床医生通常根据手术病理分期判断预后,但该分期仅考

【参考文献】