分子特征ML模型

精准鉴别多原发与转移

基于分子特征的机器学习模型，可精准区分多发性非小细胞肺癌中的多原发癌与肺内转移，助力临床决策。

Liu, Ning · Li, Xue · Xu, Luo · Bin, Liu · Tang, Jie · Fei, Xiao · 王威亚 · Tang, Yuan · Shu, Pei · Zhang, Benxia · 陈悦 · Qin, Diyuan · Ma, Qizhi · Guo, Fuchun · 唐小军 · 朱大兴 · 梅建东 · Weizhi, Chen · Li, Daniel Hsieh Hsin · Lili, Jiang · 王永生

Translational Lung Cancer Research 2025

参数信息

平均AUC（决策树模型）
0.94
平均AUC（随机森林模型）
1.00
平均AUC（梯度提升决策树模型）
1.00
风险比（MPLC vs IPM 无病生存期）
0.21

技术优势

不依赖传统标准

模型基于分子特征而非传统临床标准，能对传统方法无法确定的病例进行鉴别，如研究中 26 例未确定患者均得到一致的分类结果。

鉴别准确度高

在验证集中，随机森林和梯度提升决策树模型的平均AUC均为1.00，表明其能够近乎完美地区分MPLC与IPM。

分子特征具显著差异

四个分子特征在MPLC和IPM患者间均显示出显著差异（P<0.001），为模型提供了强有力的生物学基础。

预后预测价值

被模型判定为MPLC的患者无病生存期（DFS）显著长于IPM患者（HR=0.21，P=0.04），支持鉴别结果的临床意义。

应用场景