首页 > 文章详情

【论著】基于H2O自动化机器学习的肝细胞癌诊断模型的建立

2023年06月05日

来源：中华转移性肿瘤杂志

题目：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

通信作者：王玉，江苏大学附属金坛医院肝胆外科

引用本文：于倩倩, 许郭婷, 徐中华, 等. 基于H2O自动化机器学习的肝细胞癌诊断模型的建立 [J] . 中华转移性肿瘤杂志, 2023, 06(1) : 46-51. DOI: 10.3760/cma.j.cn101548-20220523-00034.

导读 //

根据2020年GLOBOCAN数据，原发性肝癌在全球的发病率位居第六，同时也是致死率排名第三的恶性肿瘤。我国作为肝病大国，是肝癌的高发国家，每年约有41万新发病例。肝细胞癌是原发性肝癌的最常见病理分型，由于其发病隐匿，进展迅速，大多数患者出现症状就诊时已是疾病晚期，耽误了最佳时机。因此，早期筛查并及时干预是改善肝癌预后的重中之重。甲胎蛋白是目前临床运用最广泛的肝细胞癌生物标志物，可用于筛查和诊断、评估预后和监测对治疗的反应。Dickkopf-1（DKK-1）是一种特征明确的癌细胞转移介质，在肝细胞癌的早期诊断中显示出巨大潜力。细胞骨架蛋白4（CKAP4）是一种Ⅱ型跨膜蛋白，被认为是一种新型DKK-1受体。Mac-2结合蛋白糖基化异构体（M2BPGi）是新发现的肝炎肝硬化评价血清标志物。机器学习是一门关于计算机如何从数据中学习的新兴学科，可广泛用于医学数据的处理与分析。机器学习算法，如随机森林、决策树、支持向量机、神经网络等，可用于疾病分类和建立高实用性的风险模型。本研究旨在建立基于多种肿瘤标记物的肝癌诊断机器学习模型，以期提高肝细胞癌诊断准确性，改善患者预后。