深度学习模型构建及其在骨肉瘤生存预测中的应用

摘要

目的 基于深度学习框架构建1、3和5年生存模型以预测骨肉瘤患者的生存情况。方法 从SEER数据库获取骨肉瘤患者临床资料，利用pycox生存分析包构建骨肉瘤生存预测分类器，并进行模型预测和评估。结果 数据清洗后最终3 190例原发性骨肉瘤患者被入组。在3个数据集中，Log-rank检验结果显示，年龄、种族、肿瘤原发位、肿瘤转移程度、婚否、居住地和收入与生存有关(P<0.05)。3个预测模型的最小损失值分别为0.89、1.39和1.46,C指数分别为0.76、0.70和0.70,Brier分数分别为0.09、0.15和0.18。结论 年龄、肿瘤原发位、肿瘤转移程度、婚否和居住地对骨肉瘤生存分类器具有较大的影响。

关键词

骨肉瘤 / 生存率 / 深度学习 / 机器学习 / 人工神经网络