基于H2O自动化机器学习的肝细胞癌诊断模型的建立

作     者：于倩倩 许郭婷 徐中华 王玉 Yu Qianqian;Xu Guoting;Xu Zhonghua;Wang Yu

作者机构：江苏大学附属金坛医院肿瘤科常州213200 苏州大学苏州医学院苏州215000 江苏大学附属金坛医院骨科常州213200 江苏大学附属金坛医院肝胆外科常州213200 

出 版 物：《中华转移性肿瘤杂志》 (Chinese Journal of Metastatic Cancer)

年 卷 期：2023年第6卷第1期

页      面：46-51页

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：江苏大学2021年度临床医学科技发展基金项目(JLY2021095) 2021年常州市第十三批科技计划(应用基础研究)项目(CJ20210005,CJ20210006) 江苏大学2022年度医教协同创新基金重点项目(JDY2022018)。 

主　　题：肝细胞癌 自动化机器学习 预测模型 

摘      要：目的采用H2O平台自动化机器学习(AutoML)算法,收集临床资料及肝癌肿瘤标记物,建立一系列肝细胞癌(HCC)临床诊断模型。方法本研究纳入130例HCC患者,149例肝硬化患者,102例慢性乙型肝炎患者,体检中心健康人群95人。利用AutoML算法建立针对HCC发病二分类结局的多种机器学习算法模型,计算ROC曲线下面积(AUROC)并建立混淆矩阵来评价模型区分度,并对重要变量进行可视化呈现。结果最佳模型是基于集成学习,其中占比最大者为梯度提升机(GBM)模型。GBM模型中重要变量包括Dickkopf-1、甲胎蛋白、细胞骨架蛋白4、ALT及AST。变量SHAP图展示了变量在二分类结局中的分布。LIME图呈现了变量在个体预测的作用。集成模型在验证集中特异性为0.986,敏感性为1.000,AUROC为0.991,优于其他单个算法的最佳模型。结论本研究利用AutoML框架,建立判断HCC发病的机器学习模型,为HCC患病风险筛查提供了新的思路。