3.8/Q2，浙江大学医学院生存分析+DCA曲线+XGBoost建立骨肉瘤患者5年生存率模型

主要观点总结

本文构建了一个基于SEER数据库和XGBoost算法的预测骨肉瘤患者5年生存率的人工智能模型。研究背景、方法、结果分析、模型评估以及服务内容介绍如下。

关键观点总结

关键观点1: 研究背景

骨肉瘤是最常见的骨恶性肿瘤，在儿童和青少年中的发病率最高。目前对骨肉瘤患者的生存预测模型虽然已经构建，但结果并不理想，缺乏使用SEER数据库的数据。

关键观点2: 研究方法

本研究使用XGBoost算法构建AI分类器来预测骨肉瘤患者的5年生存率。样本从SEER计划数据库中提取，用于训练和交叉验证预测模型。为了对比，还使用了SVM和贝叶斯网络构建了另外两个模型。采用ROC分析、交叉验证的AUC和DCA评估三种模型。

关键观点3: 结果分析

研究结果显示，XGBoost模型在预测骨肉瘤患者5年生存率方面效果更佳，交叉验证的AUC超过0.9。研究发现年龄、原发肿瘤部位、组织学分级等因素是影响预测模型的特征。

关键观点4: 文章小结与服务介绍

文章总结了使用XGBoost算法构建的AI模型预测骨肉瘤患者5年生存率的成果。小骨提供生信分析服务，包括免费思路评估、付费方案设计和生信分析等，有兴趣的老师可联系。