基于因果特征选择和深度森林构建DLBCL复发风险预测模型

摘要

目的 基于山西省某肿瘤医院2011—2021年弥漫大B细胞淋巴瘤（diffuse large B-cell lymphoma,DLBCL）患者数据构建DLBCL患者早期复发风险预测模型，为DLBCL患者的个性化临床治疗方案提供决策依据。方法使用多阶段因果特征选择（multistage causal feature selection,MCFS）筛选变量，并与三种传统特征选择算法[最小绝对收缩与选择算子准则（least absolute shrinkage and selection operator,LASSO）、递归特征消除（recursive feature elimination,RFE）、KBest]和两种因果特征选择算法[最大-最小爬山法（max-min hill-climbing,MMHC）、IAMB(incremental association Markov blanket)]进行对比，利用SMOTE-ENN(synthetic minority oversampling technique and edited nearest neighbor)处理类别不平衡数据，结合深度森林（deep forest,DF）构建模型，与XGBoost、支持向量机（support vector machine,SVM）、逻辑回归（logistic regression,logistic）、随机森林（random forest,RF）、朴素贝叶斯（naive Bayes,NB）比较预测性能。结果 利用MCFS方法筛选出14个影响DLBCL患者早期复发的主要因素，MCFS结合DF取得了最优的预测结果（accuracy=0.9624,recall=0.9525,specificity=0.9180,G-means=0.9573,MSE=0.0376），其他模型效果次之。结论 针对真实的DLBCL数据集，使用多阶段因果特征选择MCFS结合DF进行复发风险预测，模型达到预期效果。

关键词

弥漫性大B细胞淋巴瘤 / 因果特征选择 / 因果网络图 / 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（202103021224245）; 国家自然科学基金（81502897;82273742）; 山西医科大学博士启动基金（BS201729）