基于机器学习算法的腹腔镜结直肠癌根治术后吻合口漏风险预测

摘要

目的 应用机器学习算法分析腹腔镜结直肠癌根治术后吻合口漏的影响因素,构建预测模型,为临床决策提供科学依据。方法 回顾性分析2021年7月至2024年6月在梧州市红十字会医院胃肠外科接受腹腔镜结直肠癌根治术的400例患者的临床资料。采用R语言将患者按7∶3随机分为训练集和验证集,运用logistic回归、决策树、随机森林和反向传播(back propagation, BP)神经网络四种机器学习算法构建预测模型,并根据准确率、灵敏度、特异性、F1值和受试者工作特征曲线下面积(receiver operating characteristic-area under the curve, ROC-AUC)等指标评估模型预测效能。结果 400例患者中,25例发生吻合口漏,发生率为6.25%。四种机器学习模型分析显示,logistic回归中性别重要性最高,决策树、随机森林及BP神经网络模型中术前白蛋白水平居首。在模型性能评估方面,训练集随机森林模型的准确性为0.950、特异度0.988、F1值0.667、AUC 0.968,优于其他模型,验证集各模型性能略降,随机森林准确性0.933、敏感度0.500、特异度0.956、AUC 0.854,仍表现良好,logistic回归与决策树的敏感度、F1值欠佳,BP神经网络准确性尚可,但F1值、AUC值表现一般。结论 基于机器学习算法的预测模型,特别是随机森林能够有效预测结直肠癌患者腹腔镜术后吻合口漏的发生风险。该模型可帮助临床医生识别高风险患者,及时采取个体化预防措施。

关键词

结直肠肿瘤 / 腹腔镜手术 / 吻合口漏 / 机器学习 / 预测模型