基于血清维生素D水平和临床特征构建机器学习模型预测子宫肌瘤发生风险的临床研究

摘要

目的:开发和验证一种基于血清维生素D水平和其他临床特征评估子宫肌瘤发生风险的临床预测模型。方法:回顾性分析304例子宫平滑肌瘤患者和184名正常人的相关临床资料，根据收集资料的不同时间段，分为训练集(n=192)和验证集(n=296)。通过血清维生素D水平和其他五个临床特征构建5种机器学习(ML)预测模型。曲线下面积(AUC)评价模型的效能，并通过外部验证进行模型验证。结果:五个机器学习模型都表现出较好的预测效能(AUC≥0.8)。在模型的外部验证中，相比于其他的机器学习算法，支持向量机(SVM)(AUC=0.941,95%CI:0.927～0.969,敏感度为0.968,特异度为0.801,Brier评分为0.148)展现出了更好的预测效能。结论:血清维生素D水平与其他五种临床特征相结合展现出良好预测子宫肌瘤发生的潜力，而支持向量机(SVM)模型能展现出更好的预测效能。

关键词

子宫肌瘤 / 机器学习 / 血清维生素D水平 / 临床特征

基金资助

川北医学院校级科研项目(CBY20-QA-Z06); 重庆市渝中区科技项目(20202723)