基于概率校准的弥漫性大B细胞淋巴瘤患者死亡风险预测

摘要

目的 基于概率校准,预测弥漫性大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者两年内的死亡风险,为医生决策和临床治疗提供参考.方法 使用Cox回归筛选DLBCL患者两年内死亡的影响因素.选择lo-gistic回归(logistic regression,logit)、随机森林(random forest,RF)、支持向量机(support vector machines,SVM)、前馈神经网络(feedforward neural network,FNN)构建风险预测模型.同时,使用三种概率校准方法对上述模型进行校准:platt scal-ing(Platt)、isotonic regression(IsoReg)、shape-restricted polynomial regression(RPR).使用ROC曲线下的面积(AUC)评价模型的区分性能,使用Hosmer-Lemeshow(H-L)goodness-of-fit test、expected calibration error(ECE)、maximum calibrationerror(MCE)评价模型的校准性能.结果 logit和FNN能够提供准确的概率估计,校准后其预测性能无提升;RF和SVM的预测概率与真实概率的差异具有统计学意义.除SVM-IsoReg外,三种概率校准方法都能对有偏预测进行良好的校准,且RPR校准效果最好.结论 logit和FNN具有良好的校准性能,而RF和SVM校准性能较差,概率校准能够有效降低它们的预测误差.基于概率校准所构建的风险预测模型达到预期效果.