基于集成学习算法甲状腺髓样癌患者颈部淋巴结-实用医学杂志

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

基于集成学习算法甲状腺髓样癌患者颈部淋巴结

作者:

关键词:

摘要：

研究背景与问题

本研究旨在解决甲状腺髓样癌（MTC）患者颈部淋巴结转移（CLNM）的个体化预测问题。甲状腺髓样癌是一种相对罕见的恶性肿瘤，其颈部淋巴结转移是影响患者预后的重要因素。当前，临床医生对MTC患者颈部淋巴结转移的预测主要依赖超声及临床特征，但由于缺乏有效的预测模型，导致治疗效果和患者预后存在较大差异。因此，开发一个基于集成学习算法的预测模型，以提高对MTC患者颈部淋巴结转移的预测准确性，对于指导临床治疗和改善患者预后具有重要意义。

研究方法

本研究采用回顾性分析的方法，纳入了88例经病理确诊为MTC的患者，收集其超声及临床特征。首先，基于随机森林算法对样本数据进行特征选择和模型构建，构建了轻量梯度提升机（LightGBM）模型。随后，对模型进行沙普利（SHAP）解释，分析其预测甲状腺髓样癌患者颈部淋巴结转移的价值。此外，为了验证模型的泛化能力，还采用了交叉验证的方法对模型进行评估。

核心结果

研究发现，基于LightGBM模型的甲状腺髓样癌患者颈部淋巴结转移预测具有较高的准确性。在特征重要性分析中，我们发现年龄、肿瘤大小、淋巴结大小、淋巴结形态、远处转移等临床特征对预测模型的贡献较大。通过对模型进行沙普利（SHAP）解释，我们进一步揭示了模型中各特征的贡献程度和相互作用。同时，交叉验证的结果也表明，所构建的模型具有较高的泛化能力。

结论与意义

本研究基于超声及临床特征，成功构建了一个基于LightGBM模型的甲状腺髓样癌患者颈部淋巴结转移预测模型。该模型具有较高的预测准确性和泛化能力，为临床医生提供了有力的预测工具，有助于指导MTC患者的治疗和预后评估。此外，该模型还可为其他类似疾病的预测研究提供借鉴和参考。

文章来源：《实用医学杂志》网址: http://www.shiyongyixue.cn/qikandaodu/2026/1027/326.html