可解释的机器学习预测模型用于子宫内膜癌患者的早期识别

摘要

目的 本研究旨在开发一种机器学习模型，该模型利用患者通过无创伤检查所获得的临床数据建立，用于对所有年龄段的妇女进行子宫内膜癌风险预测，进而提高子宫内膜癌早期诊断的效率。方法 研究收集了2020年1月至2025年3月内蒙古自治区妇幼保健院344例子宫内膜癌(EC)患者及344例子宫内膜良性病变(包括子宫内膜息肉、子宫内膜增生不伴不典型增生)患者的临床数据，从临床数据中识别出16个相关特征。采用10折交叉验证划分训练集和验证集，分别构建极限梯度提升(XGBoost)、随机森林(RF)、Logistic回归(LR)和支持向量机(SVM)四种模型，通过受试者工作特征曲线下面积(AUC)、灵敏度、特异度进行四种模型性能评估选出最优模型。此外，选取其他医院142名患者组成的测试集对最优模型进行验证与敏感性分析，最终对模型进行SHAP可解释性分析。结果 XGBoost模型在所有指标上表现最佳，整体预测能力最强。在训练集中，其AUC为0.96,在测试集中，AUC达到了0.89,SHAP可解释性分析表明了年龄、血小板分布宽度(PDW)和甘油三酯-葡萄糖指数(TyG)作为预测因子的重要性。结论 本研究构建了一个子宫内膜癌早期诊断预测模型，并识别出与子宫内膜癌发病风险相关的特征指标。该模型能有效辅助临床识别潜在高风险人群，指导精准干预。

关键词

子宫内膜癌 / 机器学习 / 模型 / 早期诊断 / 预测

基金资助

内蒙古自治区科技计划项目(2022YFSH0030); 内蒙古医学科学院公立医院科研联合基金项目(2024GLLH0207)