近日，博亚体育(中国)股份有限公司官网放射治疗科郄帅、史鸿云、宋哲伦研究成果入选中国临床肿瘤学大会（CSCO）壁报。

史鸿云团队凭借其在人工智能领域的长期专注，在美国国立卫生研究院（NIH）的SEER数据库中挖掘了2010年至2018年间的89366例小细胞肺患者的临床数据，运用前沿的机器学习算法，精心从多维度评价了12种机器学习算法：支持向量机(SVM)、逻辑回归(LR)、朴素贝叶斯(Na?ve Bayes)、极端梯度提升(XGBoost)、决策树(Decision Tree)、随机森林(Random Forest)、ExtraTrees、LightGBM、GradientBoosting、AdaBoost、MLP和K-近邻(KNN)，从上述12种算法中筛选最佳预测骨转移的模型，最后XGBoost算法以AUC值在训练集、验证集及测试集中均高达0.965，0.962，0.961脱颖而出。

史鸿云表示，本研究突破了以往研究的局限，成功纳入了89366例小细胞肺癌患者的详细数据，这一庞大的样本量不仅为研究的准确性和可靠性提供了坚实保障，更为后续算法的验证与优化奠定了坚实基础。为了寻找最优的预测模型，研究团队没有止步于传统的几种算法，而是大胆尝试并深入研究了包括支持向量机（SVM）、逻辑回归（LR）、朴素贝叶斯（Na?ve Bayes）、极端梯度增强（XGBoost）、决策树（Decision Tree）、随机森林（Random Forest）等在内的12种机器学习算法。最终基于XGBoost算法的优异表现，研究团队进一步将其应用于构建在线小细胞肺癌骨转移预测工具。该预测工具操作简便，仅需输入患者的基本信息及临床数据，即可迅速评估其骨转移风险，为医生提供直观、可靠的参考依据。这一创新成果不仅有助于提升小细胞肺癌骨转移的早期诊断率，还能节约医疗资源、减轻患者负担，为患者带来更好的预后和生活质量。该预测工具将在论文正式发表后呈现。

供稿科室| 放射治疗科

责编| 栗洋

审核| 史建红 崔岚