利用机器学习模型预测头颈部鳞状细胞癌的生存情况
摘要：头颈部鳞状细胞癌（HNSCC）是一种最令人苦恼的癌症类型，导致急性疼痛，影响言语和基本的生存功能，如吞咽和呼吸。尽管在手术和放射治疗方面取得了进展，HNSCC患者的发病率和死亡率并未显著改善。高死亡率可能归因于临床结果的复杂性和显著变化。因此，提高癌症生存预测的准确性非常重要。到目前为止，已经提出了几种HNSCC癌症生存预测模型。在本研究中，将基因组数据（全外显子测序）与临床数据集成，以提高预测模型的性能。使用多重分形分析（MFDFA）算法处理每位患者的体细胞突变，并将分形维数（Dq）的参数值与临床数据一起用于癌症生存预测。特征排名证明新的工程特征是预测模型中的重要特征之一。为了提高模型的性能指标，还调整了所考虑的所有分类器的超参数。实施了10折交叉验证，XGBoost（98％的AUROC，94％的精确度和93％的召回率）证明是最佳的模型分类器，其次是随机森林（93％的AUROC，93％的准确度和93％的召回率），支持向量机（84％的AUCROC，79％的精确度和79％的召回率）和逻辑回归（80％的AUROC，77％的精确度和76％的召回率）。
作者：Saurav Mandal, Akshansh Gupta and Waribam Pratibha Chanu
论文ID：2105.07390
分类：Genomics
分类简称：q-bio.GN
提交时间：2021-05-18