目的 构建非小细胞肺癌(NSCLC)合并间质性肺疾病(ILD)患者预后预测的机器学习模型。为临床早期识别高死亡风险人群、合理制定治疗方案提供依据。方法 回顾性分析南京大学医学院附属鼓楼医院呼吸与危重症医学科在2018年1月到2024年1月收治148例NSCLC合并ILD患者的临床资料，以8∶2的比例将数据分为训练集(118例)和测试集(30例)。采用LASSO回归进行特征选择，带入五种机器学习算法构建预测模型，采用C指数、时间依赖AUC曲线、ROC曲线分别在训练集及测试集上评估模型性能。风险分层生存分析检验模型临床适用性并采用SHAPLEY加法解释法(SHAP)对特征重要性进行排序并解释最终模型。结果 在五个机器学习模型中，随机生存森林模型一致性、区分度及临床适用性均较佳。训练集1年、1.5年、2年AUC值(95%CI)分别为0.836(0.757,0.916)、0.773(0.673,0.874)、0.766(0.642,0.890)，测试集1年、1.5年、2年AUC值(95%CI)分别为0.746(0.546,0.946)、0.720(0.517,0.923)、0.823(0.644,1.002)。SHAP法分析对预测模型贡献从大到小的变量为肿瘤分期、LDH、D-二聚体、手术治疗、胸闷气喘。最终基于该机器学习模型设计在线网络计算器。结论 本研究构建了具有较好预测价值及临床效用的NSCLC合并ILD患者预后预测机器学习模型。肿瘤分期、手术治疗、LDH、D-二聚体、胸闷气喘与这类共病患者预后相关。
(8.0+极速模式)