基于SEER数据库的结直肠癌预后因素探讨及预后模型构建

，,2

结直肠癌包括结肠癌和直肠癌，是胃肠道中常见的恶性肿瘤。在2015年中国癌症统计和2017年美国癌症统计中，结直肠癌的发病率和死亡率在所有恶性肿瘤中均处在前5位[1-2]。根据美国SEER(Surveillance，Epidemiology and End Results)数据库的最新统计显示，结直肠癌患者5年生存率仅为64.5%，中国结直肠癌患者5年生存率比美国和欧洲更低[3]。因此，建立结直肠癌预后模型，对制定临床决策和改善结直肠癌预后具有重要意义。

近年来，随着机器学习的发展，越来越多的机器学习方法应用于医学模型的构建当。如2015年Kang J等[4]探讨了逻辑回归、支持向量机、人工神经网络等3种方法在预测放射治疗结果中的应用，Bunjira Makond等[5]应用贝叶斯网络方法对肺癌脑转移患者的短期生存能力进行预测，2016年Su Jili等[6]应用支持向量机和基因函数聚类构建喉癌复发模型，曹文哲[7]基于3种机器学习算法建立了前列腺癌诊断模型。在预后模型构建过程中，特征选择是非常重要的一步，也通常被视作数据挖掘的第一步。通过特征选择可以去除大量冗余信息和不相关特征的干扰，降低分析成本，提高准确率，提升模型性能[8]。因此，本文应用人工神经网络(Artificial Neural Network，ANN)分类算法，通过3种不同的变量筛选方法进行特征选择，分别建立结直肠癌预后模型，并进行进一步的比较分析。

1 三种特征选择方法简述

1.1 Logistic回归

Logistic回归中自变量选择的常用方法为逐步选择法。该法按照选入变量的顺序不同分为前进法(forward selection)、后退法(backward elimination)和逐步回归法(stepwise regression)，其共同特点是每一步只引入或剔除一个自变量Xj，决定其取舍则基于对偏回归平方和的F检验，即