基于梯度提升的肺癌风险估计工具的开发与外部验证

肺癌是全球范围内导致死亡的重要原因，强调了早期检测对提高生存率的重要性。在本研究中，我们提出一种机器学习（ML）工具，该工具在 PLCO 癌症筛查试验数据上训练并在 NLST 上验证，用于估计五年内发生肺癌的可能性。研究使用了两个数据集，PLCO（n=55,161）和 NLST（n=48,595），包含与肺癌相关的危险因素、临床测量和结局的综合信息。数据预处理包括移除非当前或既往吸烟者以及死于与肺癌无关原因的患者。此外，重点减轻了由删失数据引起的偏倚。特征选择、超参数优化和模型校准使用 XGBoost（一种结合梯度提升与决策树的集成学习算法）完成。ML 模型在预处理后的 PLCO 数据集上训练并在 NLST 数据集上测试。模型纳入了年龄、性别、吸烟史、医学诊断和肺癌家族史等特征。模型校准良好（Brier 分数=0.044）。ROC-AUC 在 PLCO 数据集上为 82%，在 NLST 数据集上为 70%。PR-AUC 分别为 29% 和 11%。与 USPSTF 肺癌筛查指南相比，我们的模型在 PLCO 数据集上以 13.1% 对 9.3% 的精确率、在 NLST 数据集上以 3.2% 对 3.1% 的精确率提供了相同的召回率。所开发的 ML 工具提供了一个免费可用的网络应用，用于估计五年内罹患肺癌的可能性。通过利用危险因素和临床数据，个人可以评估自身风险并就肺癌筛查做出明智决定。本研究有助于早期检测和预防策略的努力，旨在降低肺癌相关死亡率。