利用Logistic回归和神经网络分析乳腺癌的预后因素

研究以SEER数据库中1990~2014年间的乳腺癌数据为研究对象,分别利用Logistic回归和神经网络两种机器学习算法进行建模,以寻找影响乳腺癌5年预后的因素。研究表明:1)肿瘤分期、肿瘤分级、肿瘤尺寸、雌激素水平、年龄分组和孕激素水平等因素对于乳腺肿瘤预后具有较大影响,与临床诊断经验相吻合。2)在此两种模型下,模型测试集上的灵敏度和特异度均介于75.4%~78.2%之间,模型的ROC曲线面积(AUC)均处于0.847~0.850之间。因此,Logistic回归和神经网络算法可有效探寻模型输入变量间的关系,构建乳腺癌患者的优化预后模型,辅助医生判断患者预后情况及治疗效果。