基于深度学习构建肺腺癌患者免疫相关基因生存预后模型的比较研究

摘要

目的 探讨使用多组学数据和免疫相关基因构建不同深度学习模型对肺腺癌患者的预后预测价值并比较其预测性能。方法 从TCGA数据库肺腺癌多组学数据提取免疫基因后分别用原始数据及单因素Cox回归过滤法、方差过滤法和弹性网络(elastic net, EN)方法降维后的数据构建DeepOmix、Nnet-survival、Cox-nnet和Deepsurv预后预测模型，采用一致性指数和时间依赖性ROC评价模型的预测效果。结果 比较多组学模型C指数、3年AUC和5年AUC值结果显示：DeepOmix模型结合生物信号通路信息采用不同降维方法构建的肺腺癌预后预测模型与DeepOmix、Nnet-survival、Cox-nnet和Deepsurv模型相比预测性能最好(C指数在0.83以上，3年AUC在0.89以上，5年AUC在0.94以上)。在筛选变量构建预后预测模型中EN降维在绝大多数情况下具有良好的预测准确度。DeepOmix模型能显著区分高、低风险组患者，且高风险组预后较差(P<0.001)。结论 DeepOmix模型结合生物信号通路以及EN降维可以分析高维低样本量数据，构建的肺腺癌预后预测模型与其他模型相比预测性能较高。

关键词

DeepOmix / 深度学习 / 预后预测 / 生存分析 / 肺腺癌