基于数据挖掘的肝癌早期复发预测与阈值研究

摘要

肝癌术后的早期复发率极高,然而肝癌术后症状不明显,传统医学手段判断肝癌是否早期复发的准确率并不理想。针对这一问题,本文选取医院就诊病人信息作为数据对象,采用数据挖掘技术,探究机器学习方法对肝癌早期复发的疾病预测应用效果,以及肝癌早期复发的最优阈值。首先对病人信息数据进行数据清洗等数据预处理操作,运用多个特征工程方法增加预测的精准性。将逻辑回归、随机森林、SVM支持向量机以及GBDT梯度提升树4种模型进行比较,最终选择GBDT梯度提升树建立预测模型。选择准确率、精确率、召回率和AUC 4个指标对所建立的模型进行评估,并得出了肝癌早期复发的最优阈值,为医学领域的相关研究与临床应用提供了一定的参考。