基于集成学习算法甲状腺髓样癌患者颈部淋巴结转移个体化预测模型的构建与分析OA

目的基于超声及临床特征构建轻量梯度提升机(LightGBM)模型,并对模型进行沙普利(SHAP)解释,分析其预测甲状腺髓样癌(MTC)颈部淋巴结转移(CLNM)的价值。方法回顾性纳入88例经病理确诊为MTC患者的超声及临床特征,应用基于随机森林的递归特征消除算法(RF-RFE)结合重复交叉验证筛选MTC-CLNM的独立预测变量,建立LightGBM模型预测MTC-CLNM。绘制受试者工作特征曲线(ROC)、校准曲线、决策曲线(DCA)评估模型预测性能。此外,引入SHAP值对预测模型进行解释性分析,并应用五折交叉验证方法进行内部验证。结果构建LightGBM模型预测MTC-CLNM,模型的预测准确性达0.795,AUC值为0.852。SHAP值分析模型中各特征决策权重,由大到小为:降钙素、年龄、被膜侵犯。运用五折交叉验证方法对模型进行内部验证,平均AUC为0.831,进一步Bootstrap验证AUC中位数达0.820,模型稳定性良好。结论基于超声及临床特征的LightGBM模型对于预测MTC-CLNM具有较高的诊断性能,SHAP直观解释成为指导临床决策的有效工具。