通过机器学习预测环境对乳腺癌的影响

乳腺癌日益成为女性死亡的主要因素，已超越心脏病。尽管遗传因素在乳腺癌的发展中十分重要，但新研究表明环境因素在其发生与进展中也起着实质性作用。本研究报告全面综述了关于可能影响乳腺癌风险、发病率与结局的各类环境因素的文献。研究首先考察生活方式选择（如饮食习惯、锻炼习惯与饮酒）如何经由激素失衡与炎症（驱动乳腺癌发展的两个重要因素）产生影响。此外，其探究了环境污染物（如农药、内分泌干扰物（EDCs）与工业排放）所起的作用，这些物质因干扰激素信号与造成 DNA 损伤而被认为与乳腺癌风险升高相关。研究采用机器学习算法表达预测，包括 Logistic Regression、Random Forest、KNN Algorithm、SVC 与 extra tree classifier。模型评估使用了混淆矩阵相关系数、F1-score、精确率、召回率与 ROC 曲线等指标。所有分类器中准确率最高的是 Random Forest，达 0.91%，而 Logistic Regression 的 ROC 曲线为 0.901%。本研究使用的多种机器学习算法准确率良好，这一点很重要，表明这些技术可作为乳腺癌生存分析（尤其在亚洲地区）中的替代预测技术。