近日，河北大學(xué)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(xué)大會(huì)（CSCO）壁報(bào)。

史鴻云團(tuán)隊(duì)?wèi){借其在人工智能領(lǐng)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(xì)胞肺患者的臨床數(shù)據(jù)，運(yùn)用前沿的機(jī)器學(xué)習(xí)算法，精心從多維度評價(jià)了12種機(jī)器學(xué)習(xí)算法：支持向量機(jī)(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(jī)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(yù)測骨轉(zhuǎn)移的模型，最后XGBoost算法以AUC值在訓(xùn)練集、驗(yàn)證集及測試集中均高達(dá)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(xì)胞肺癌患者的詳細(xì)數(shù)據(jù)，這一龐大的樣本量不僅為研究的準(zhǔn)確性和可靠性提供了堅(jiān)實(shí)保障，更為后續(xù)算法的驗(yàn)證與優(yōu)化奠定了堅(jiān)實(shí)基礎(chǔ)。為了尋找最優(yōu)的預(yù)測模型，研究團(tuán)隊(duì)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(jī)（SVM）、邏輯回歸（LR）、樸素貝葉斯（Na?ve Bayes）、極端梯度增強(qiáng)（XGBoost）、決策樹（Decision Tree）、隨機(jī)森林（Random Forest）等在內(nèi)的12種機(jī)器學(xué)習(xí)算法。最終基于XGBoost算法的優(yōu)異表現(xiàn)，研究團(tuán)隊(duì)進(jìn)一步將其應(yīng)用于構(gòu)建在線小細(xì)胞肺癌骨轉(zhuǎn)移預(yù)測工具。該預(yù)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(zhuǎn)移風(fēng)險(xiǎn)，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(xì)胞肺癌骨轉(zhuǎn)移的早期診斷率，還能節(jié)約醫(yī)療資源、減輕患者負(fù)擔(dān)，為患者帶來更好的預(yù)后和生活質(zhì)量。該預(yù)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(zé)編| 栗洋

審核| 史建紅 崔嵐