基于机器学习的子宫内膜癌预测模型建立与验证

董婷婷; 安月盘; 李筱贺; 乌音嘎; 胡玉崇; 索静

doi:10.16343/j.cnki.issn.2095-512x.20260529.006

内蒙古医科大学学报 ›› 2026, Vol. 48 ›› Issue (2) : 191 -197+209. DOI: 10.16343/j.cnki.issn.2095-512x.20260529.006

基于机器学习的子宫内膜癌预测模型建立与验证

董婷婷, 安月盘, 李筱贺, 乌音嘎, 胡玉崇, 索静

作者信息 +

Author information +

文章历史 +

摘要

目的探索子宫内膜癌的独立危险因素，构建机器学习预测模型，用独立外部测试集验证其泛化能力，为临床转化提供依据。方法回顾性收集2020年1月至2024年12月内蒙古自治区妇幼保健院收治的1 103例子宫内膜癌患者和健康对照临床数据作为开发集，按7∶3随机分为训练集和验证集。用Boruta算法与Logistic回归筛选特征，构建8种机器学习预测模型，在验证集和同期内蒙古自治区人民医院400例独立外部测试集评估性能，用SHAP值解释最优模型结果。结果筛选出9个关键预测因子，GBM模型表现最佳，验证集AUC为0.923，独立外部测试集AUC仍达0.895，有优异判别能力和良好校准度，决策曲线分析显示有显著临床净收益。结论成功构建基于机器学习的子宫内膜癌风险预测模型，GBM模型验证中表现卓越，独立外部测试有良好的泛化性与鲁棒性，虽需多中心前瞻性研究验证，但有望成为临床早期风险识别可靠辅助工具。