近日，河北大學附屬醫(yī)院放射治療科郄帥、史鴻云、宋哲倫研究成果入選中國臨床腫瘤學大會（CSCO）壁報。

史鴻云團隊憑借其在人工智能領域的長期專注，在美國國立衛(wèi)生研究院（NIH）的SEER數(shù)據(jù)庫中挖掘了2010年至2018年間的89366例小細胞肺患者的臨床數(shù)據(jù)，運用前沿的機器學習算法，精心從多維度評價了12種機器學習算法：支持向量機(SVM)、邏輯回歸(LR)、樸素貝葉斯(Na?ve Bayes)、極端梯度提升(XGBoost)、決策樹(Decision Tree)、隨機森林(Random Forest)、ExtraTrees、LightGBM、GradientBoosting、AdaBoost、MLP和K-近鄰(KNN)，從上述12種算法中篩選最佳預測骨轉移的模型，最后XGBoost算法以AUC值在訓練集、驗證集及測試集中均高達0.965，0.962，0.961脫穎而出。

史鴻云表示，本研究突破了以往研究的局限，成功納入了89366例小細胞肺癌患者的詳細數(shù)據(jù)，這一龐大的樣本量不僅為研究的準確性和可靠性提供了堅實保障，更為后續(xù)算法的驗證與優(yōu)化奠定了堅實基礎。為了尋找最優(yōu)的預測模型，研究團隊沒有止步于傳統(tǒng)的幾種算法，而是大膽嘗試并深入研究了包括支持向量機（SVM）、邏輯回歸（LR）、樸素貝葉斯（Na?ve Bayes）、極端梯度增強（XGBoost）、決策樹（Decision Tree）、隨機森林（Random Forest）等在內(nèi)的12種機器學習算法。最終基于XGBoost算法的優(yōu)異表現(xiàn)，研究團隊進一步將其應用于構建在線小細胞肺癌骨轉移預測工具。該預測工具操作簡便，僅需輸入患者的基本信息及臨床數(shù)據(jù)，即可迅速評估其骨轉移風險，為醫(yī)生提供直觀、可靠的參考依據(jù)。這一創(chuàng)新成果不僅有助于提升小細胞肺癌骨轉移的早期診斷率，還能節(jié)約醫(yī)療資源、減輕患者負擔，為患者帶來更好的預后和生活質量。該預測工具將在論文正式發(fā)表后呈現(xiàn)。

供稿科室| 放射治療科

責編| 栗洋

審核| 史建紅 崔嵐