XGBoost-SHAP肺结节早期识别可解释性框架构建

摘要

目的:通过可解释机器学习实现肺结节早期识别与重要变量可视化解释，助力肺癌精准防控与早诊早治。方法:以肺癌高危且完成临床筛查的人群为研究对象，提取其高危评估与影像检查结果；依据《中国肺癌筛查标准(T/CPMA013-2020)》将受检者分为肺结节高危组与低危组；经单因素分析筛选有意义变量作为预测变量，以肺结节分组为因变量，构建XGBoost-SHAP可解释性识别框架，实现肺结节早期识别与结果可视化解释。结果:共纳入644例肺癌高危受检者，其中肺结节高危组199例(30.9%),XGBoost模型识别肺结节的准确度为0.914 6、敏感度为0.758 7、特异度为0.984 3、F1值为0.845 8、AUC为0.974 1。SHAP算法显示，吸烟量更大、暴露于同事/家人吸烟环境、做饭通风频次低、加工类食物摄入多、有石棉和氡等职业暴露、蛋白质和蔬菜水果摄入少、从事体力劳动的受检者肺结节增大风险更高。结论:可解释性框架在肺结节早期识别中效果良好；肺结节大小改变不仅与吸烟习惯、二手烟暴露、油烟暴露、石棉和氡职业暴露等传统危险因素相关，还与受检者膳食习惯有关。

关键词

肺结节 / 早期识别 / XGBoost / SHAP / 可解释性框架