利用随机森林算法与人工神经网络构建黑色素瘤诊断模型

摘要

目的 黑色素瘤的诊断技术需开发新的诊断模型，以补充现有的诊断方法。方法 本研究利用来自黑色素瘤患者的公开基因表达数据(GSE15605、GSE238207),通过筛选潜在的差异基因，应用随机森林算法与人工神经网络进一步筛选特异性基因，构建黑色素瘤的早期诊断模型。结果 共发现360个上调基因和599个下调基因。通过随机森林算法筛选出4个特异性基因(SCGB2A1、PRAME、LOC100505622和IL12RB2),并基于这些基因构建了人工神经网络预测模型。该模型具有良好的预测效果(AUC=0.985)。通过独立数据集GSE22301进一步验证，该模型的预测准确性为(AUC=0.792)。结论 本研究采用机器学习方法建立了一个基于基因表达水平的早期黑色素瘤诊断模型，为临床提供了一种有效的诊断工具，有助于提高早期诊断效率并改善治疗决策。

关键词

黑色素瘤 / 诊断模型 / 随机森林 / 人工神经网络

基金资助

山西省卫生健康科研项目(2022119)