不同机器学习算法在宫颈癌高危因素筛选效能比较

摘要

目的 本研究旨在明确宫颈癌（cervical cancer,CC）的核心高危因素，并基于人口统计信息、生活习惯及历史医疗记录，利用人工智能（artificial intelligence,AI）构建高效的宫颈癌高危人群预测模型。方法 选取2017年1月至2025年1月内蒙古地区医疗机构的930例宫颈癌患者与930例非宫颈癌患者，共1 860例为研究对象。对数据预处理后，按8∶2比例划分训练集与验证集，训练多类机器学习模型，通过ROC曲线、混淆矩阵评估模型性能，筛选最优模型用于临床高危个体识别。结果 明确人乳头瘤病毒（human papillomavirus,HPV）感染、HPV疫苗接种情况、薄层液基细胞学检查（thinprep cytologic test,TCT）、阴道微生态、年龄、初次性行为年龄等为宫颈癌关键高危因素；构建的支持向量机（support vector machine,SVM）预测模型在验证集中的准确率、精准率、召回率、F1值及AUC值均超过90%。结论 SVM算法可有效识别宫颈癌高危因素，所构建的预测模型性能优异，为宫颈癌的早期筛查与预防提供了实用工具。

关键词

宫颈癌 / 高危因素 / 支持向量机 / 机器学习 / 人工智能