首页|期刊导航|中国肿瘤外科杂志|基于机器学习和SHapley Additive exPlanations框架的乳腺癌初诊骨转移患者预后预测模型

基于机器学习和SHapley Additive exPlanations框架的乳腺癌初诊骨转移患者预后预测模型OA

中文摘要

目的利用机器学习(ML)模型准确预测乳腺癌骨转移(BCBM)患者的生存结局,以增强临床决策。方法从SEER数据库中获取了4190例BCBM患者的数据。使用随访数据开发了6个月、1年、2年和5年4个阶段的机器学习模型,并通过log-rank检验和Kaplan-Meier生存曲线进行评估。应用SHapley Additive exPlanations(SHAP)方法解释模型预测结果。通过倾向评分匹配(PSM)和Kaplan-Meier分析评估手术对生存结局的影响。结果XGBoost模型在预测BCBM患者的生存结局方面表现出高精度。HR+/HER2+亚型的总体生存(OS)和乳腺癌特异性生存(BCSS)优于其他亚型。手术治疗显著提高了除HR-/HER2+亚型外的其他亚型的OS和BCSS。SHAP图显示手术在短期预后模型中起关键作用,而分子亚型在中长期模型中影响较大。结论机器学习与SHAP分析的结合提供了可解释的预测,增强了对重要变量的理解,从而支持可靠的临床决策。

傅子彤;魏博;许守平

哈尔滨医科大学肿瘤医院乳腺外科,黑龙江哈尔滨150040哈尔滨医科大学肿瘤医院乳腺外科,黑龙江哈尔滨150040哈尔滨医科大学肿瘤医院乳腺外科,黑龙江哈尔滨150040

医药卫生

乳腺癌骨转移机器学习SHAPSEER数据库

《中国肿瘤外科杂志》 2026 (4)

P.399-412,14

国家自然科学基金资助项目(82072904)国家自然科学基金资助项目(82103325)哈尔滨医科大学肿瘤医院攀登计划(PDYS2024-04)哈尔滨医科大学肿瘤医院海燕基金项目(JJYQ2024-06)黑龙江省重点研发计划项目(2022ZX06C15)。

10.3969/j.issn.1674-4136.2026.04.008

评论