融合随机森林和支持向量机的肺癌免疫检查点阻断治疗响应预测

摘要

为了探索特征之间的相互作用，提高对免疫检查点阻断治疗响应的预测精度，构建了一种融合随机森林与支持向量机的预测模型(RFSVM).首先，使用随机森林(RF)算法评估各特征的重要性，并通过递归特征消除方法筛选出一个新的特征集，该特征集不仅包括原始特征，还包含其二阶非线性组合；其次，在该特征集上构建支持向量机(SVM)模型，并通过比较实验确定最适合的核函数.实验结果表明，与4种常见的机器学习算法相比，所提出的RFSVM模型在非小细胞肺癌数据集上表现优异.此外，通过Kaplan-Meier生存分析验证了所选特征在生物学上的显著意义.

关键词

非小细胞肺癌 / 免疫检查点阻断 / 支持向量机 / 随机森林

基金资助

国家自然科学基金资助项目(61203293); 河南省科技攻关项目(242102211023)