融合婚姻状况的机器学习模型在肺癌预后的应用研究

摘要

为研究婚姻状况对小细胞肺癌患者预后的影响力问题，本文提出了一种融合婚姻状况的机器学习模型方法。数据来源于美国国家癌症研究所的开源监测、流行病学与结局数据库（SEER），使用Python语言筛选和处理相关数据。以婚姻状况为核心自变量，总生存期为主要预后结局指标，通过单因素和多因素统计分析明确婚姻状况对患者预后的影响。采用考克斯（Cox）比例风险模型、随机生存森林（RSF）模型等算法构建预后预测模型。结果显示：婚姻状况是预后的独立影响因素，极端随机树（ERT）模型性能最优，曲线下面积（AUC）达0.902，为小细胞肺癌患者预后评估及临床干预策略的制定提供了参考。

关键词

机器学习 / 小细胞肺癌 / 婚姻状况 / 极端随机树模型