结直肠癌远处转移预测：转移率、危险因素及机器学习的预测模型构建

摘要

目的 探讨结直肠癌远处转移的发生率，识别风险因素，并建立基于机器学习的预测模型。方法 回顾性分析2022年9月—2025年1月在本院接受手术治疗的569例结直肠癌患者的临床资料，按7︰3的比例随机分为训练集和测试集。训练集用于构建模型，而测试集用于评估模型的预测能力。通过LASSO回归确定了纳入机器学习和经典逻辑回归模型的关键变量。LASSO回归被用于确定机器学习和传统逻辑回归模型中应包含的关键变量。通过AUC对6个机器学习模型进行了比较。表现最佳的模型被选中进行进一步分析，包括特征重要性评估和nomogram分析，以识别结直肠癌远处转移的关键风险因素，并建立一个全面的预测模型。结果 T分期、N分期、脉管癌栓、神经侵犯、肿瘤的大小、CEA是结直肠癌发生远处转移的危险因素(P<0.05)。在6种机器学习模型中，逻辑回归模型表现最好，具有较高的AUC(0.933)和准确率(0.901),并选取这6个变量通过nomogram算法建立预测结直肠癌远处转移概率的列线图。结论 在六种不同的模型中，逻辑回归模型表现最佳。机器学习算法可以有效识别结直肠癌远处转移的潜在危险因素。此外，建立并验证了一个能够预测结直肠癌远处转移的nomogram模型。该模型有助于临床医生在早期阶段识别高风险患者，并为制定个性化治疗案提供依据。

关键词

结直肠癌 / 远处转移 / 机器学习 / 预测模型 / 危险因素