基于SMOTE-ENN和深度森林的弥漫大B细胞淋巴瘤复发风险预测

摘要

目的 对山西省某肿瘤医院血液科2011—2020年被确诊为弥漫性大B细胞淋巴瘤(diffuse large B-cell lymphoma, DLBCL)并经过治疗达到完全缓解(complete response, CR)的498例患者构建2年内的复发风险预测模型，为患者的临床治疗提供参考。方法 第一步使用最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)特征选择算法并结合临床医师意见筛选出对DLBCL达到CR的患者两年复发率影响较大的21个变量因素，第二步用SMOTE(synthetic minority oversampling technique)与SMOTE-ENN(synthetic minority oversampling technique and edited nearest neighbor)两种不平衡方法处理数据，将原始未处理数据和两种不平衡方法处理后的数据分别使用7种分类器进行模型预测。第三步用深度森林(deep forest, DF)做复发风险预测模型。第四步使用准确率(accuracy)、查准率(precision)、灵敏度/召回率(sensitivity/recall)、特异度(specificity)、F1值(F1-score)和G均值(G-means)比较模型分类性能，采用Brier分数(Brier score, BS)评价模型校准度。结果 SMOTE-ENN不平衡方法下的深度森林算法表现最好(accuracy=0.932, precision=0.949, recall=0.944, specificity=0.910, F1-score=0.946, G-means=0.926, Brier score=0.068)。结论 本文使用SMOTE-ENN不平衡方法与深度森林分类器结合的方法，对完全缓解的DLBCL患者两年复发进行预测，模型达到预期效果。

关键词

弥漫性大B细胞淋巴瘤 / 不平衡数据 / 复发预测 / 深度森林

基金资助

山西省科技厅应用基础研究计划面上项目(202103021224245); 2024年山西省高等学校教学改革创新项目(J20240531); 山西省2024年度研究生教育创新计划项目(2024JG088); 国家自然科学基金青年科学基金(81502897;82273742;82173631); 山西医科大学博士启动基金(BS2017029)