基于 PSO-SVM 的肺癌患者免疫治疗相关不良事件预测模型*

王明灏 ,  张强 ,  毕楠 ,  李光

中国卫生统计 ›› 2026, Vol. 43 ›› Issue (4) : 579 -582.

PDF (1076KB)
中国卫生统计 ›› 2026, Vol. 43 ›› Issue (4) : 579 -582. DOI: 10.11783/j.issn.1002-3674.2026.04.018
应用研究

基于 PSO-SVM 的肺癌患者免疫治疗相关不良事件预测模型*

作者信息 +

Author information +
文章历史 +
PDF (1101K)

摘要

目的 探讨改进支持向量机在小样本数据情况下的分类效果,并对辽宁省某三级甲等医院2019—2024年 296 例肺癌患者免疫治疗相关不良事件进行预测。方法 回顾性地收集了确诊肺癌且接受抗程序性死亡受体 l(pro⁃ grammed death-1,PD-1)/抗程序性死亡配体1(programmed death ligand-1,PD-L1)治疗的296 例患者临床数据。在对患 者数据进行预处理后,构建了基于粒子群算法优化支持向量机(particle swarm optimization support vector machine, PSO- SVM)的肺癌患者免疫治疗相关不良事件预测模型,并与改进前的支持向量机(support vector machine, SVM)模型进行比 较。结果 经过改进的SVM 表现出了更好的预测和分类能力,PSO-SVM 的准确率为82.0%,高于SVM 算法的78.7%。 结论 小样本数据情况下,PSO-SVM 算法具有较高的准确率,为提前预知肺癌患者免疫治疗相关不良事件的发生和为肺 癌患者的免疫治疗临床决策提供了新的方法尝试。

关键词

肺癌 / 免疫检查点抑制剂 / 免疫治疗相关不良事件 / 机器学习

Key words

引用本文

引用格式 ▾
王明灏,张强,毕楠,李光. 基于 PSO-SVM 的肺癌患者免疫治疗相关不良事件预测模型*[J]. 中国卫生统计, 2026, 43(4): 579-582 DOI:10.11783/j.issn.1002-3674.2026.04.018

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

[1]

中华医学会肿瘤学分会,中华医学会杂志社. 中华医学会肺癌临床诊疗指南(2023版)[J].中华肿瘤杂志,2023,45(7):539-574.

[2]

Xia C, Dong X, Li H, et al. Cancer statistics in China and United States, 2022: profiles, trends, and determinants [J].Chinese Medi—cal Journal, 2022, 135(5): 584-590.

[3]

Allemani C, Matsuda T, Carlo VD, et al. Global surveillance of trends in cancer survival 2000—14 (CONCORD—3): analysis of indi—vidual records for 37 513 025 patients diagnosed with one of 18 can—cers from 322 population—based registries in 71 countries [J].Lan—cet (London, England), 2018, 391(10125): 1023-1075.

[4]

黄莹,许可,王炜,等. 免疫检查点抑制剂在非小细胞肺癌临床诊疗中的研究进展[J].中华肿瘤杂志,2020,42(9):713-717.

[5]

任晓蕾,詹轶秋,刘刚,等. 替雷利珠单抗在非小细胞肺癌患者中的安全性:一项68 例单中心回顾性研究[J].中国药学杂志,2024,59(13):1262-1266.

[6]

诸慧,原永芳,徐影. 肿瘤患者中替雷利珠单抗血药浓度与免疫相关不良事件的相关性研究[J].中国临床药理学杂志,2024,40(8):1217-1221.

[7]

蔡偌欣,马亚楠,闻德亮. 机器学习在非酒精性脂肪肝预测中的应用[J].中国卫生统计,2024,41(2):316-318.

[8]

孙欣,魏东升,许允发,等. 基于影像组学构建2 型糖尿病脑梗死后再次发生脑梗死的风险预测模型[J].中国卫生统计, 2024, 41(2):261-265.

[9]

姜超,冯哲,王均琴,等. 三种机器学习方法在脑出血中医辨证分类中应用的比较研究[J].中国卫生统计,2023,40(6):921-924.

[10]

张学工. 关于统计学习理论与支持向量机[J].自动化学报,2000(1):36-46.

[11]

中国临床肿瘤学会 .免疫检查点抑制剂相关的毒性管理指南(2023)[M].北京:人民卫生出版社,2023.

[12]

胡明明,阳苑,张同梅,等. 7843例原发肺恶性肿瘤流行病学特征分析[J].现代肿瘤医学,2021,29(4):682-685.

[13]

Li L, Li G, Rao B, et al. Landscape of immune checkpoint inhibitor—related adverse events in Chinese population [J].Scientific Reports, 2020, 10(1): 15567.

[14]

黄岩,张力. 2020 CSCO 非小细胞肺癌诊疗指南更新要点解读[J].临床内科杂志,2020,37(8):603-605.

[15]

张新. 《2020 年CSCO 小细胞肺癌诊疗指南》解读[J].临床内科杂志,2020,37(11):820-822.

[16]

姚卓然. 肺癌免疫治疗相关不良反应的多组学生物标记物探究与预测模型建立[D].北京:中国医学科学院,2021.

[17]

Yang J, Li N, Lin W, et al. Machine Learning for Predicting Hyper—glycemic Cases Induced by PD—1/PD—L1 Inhibitors [J].Journal of Healthcare Engineering, 2022, 2022(1): 6278854.

[18]

Yu X, Wu R, Ji Y, et al. Identifying patients at risk of acute kidney injury among patients receiving immune checkpoint inhibitors: a machine learning approach [J].Diagnostics, 2022, 12(12): 3157.

基金资助

中国医学科学院医学与健康科技创新工程(2023-I2M-C&T-B-073)

AI Summary AI Mindmap
PDF (1076KB)

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/

〈 〉