[发明专利]基于Lasso的食管鳞癌患者风险预测列线图模型建立方法

权利要求书

1.一种基于Lasso的食管鳞癌患者风险预测列线图模型建立方法，其特征在于，其步骤如下：

步骤一：收集食管鳞癌患者的临床数据、生存期数据和随访数据，并将食管鳞癌患者的临床数据分为测试数据和验证数据；所述食管鳞癌患者的临床数据包括性别、年龄、高低发区、吸烟史、饮酒史、家族史、肿瘤部位、分化程度、淋巴结阴阳性、最终阳性转移个数、最终淋巴结检查总数、T分期、N分期、M分期和开胸部位；

步骤二：利用单因素Cox回归分析方法对测试数据和测试数据对应的生存期数据进行变量显著性分析，得到初步筛选特征变量；

步骤三：利用Lasso回归分析方法计算初步筛选特征变量的重要性，根据重要性对初步筛选特征变量进行排序，并将排序后的初步筛选特征变量作为与食管鳞癌患者生存风险显著相关的重要特征变量；

计算初步筛选特征变量的系数：

其中，表示回归系数向量；i表示食管鳞癌患者，i∈{1,2,...,n}，n表示食管鳞癌患者的总人数；y_i表示第i个食管鳞癌患者的风险分类类别，y_j∈{0,1}；j表示初步筛选特征变量，j∈{1,2,...,m}，m表示初步筛选特征变量的总数；θ₀表示常数项，θ_j表示第j个初步筛选特征变量的系数，x_ij表示第i个食管鳞癌患者的第j个初步筛选特征变量的取值；λ是用来平衡正则化项和风险分类y_i的参数，且λ0；将初步筛选特征变量的系数作为初步筛选特征变量的重要性；

步骤四：根据步骤三重新排序后的重要特征变量，采用逻辑回归方法建立不同变量维度的重要特征变量的概率预测模型，其中模型一包含第一重要特征变量，模型二包含第一重要特征变量和第二重要特征变量，依次类推，利用验证组数据计算各模型的拟合度，根据模型拟合度进一步筛选重要特征变量，降低步骤三获取的重要特征变量；

步骤五：采用多因素Cox回归分析方法对步骤三中的重要特征变量进行筛选，得到重要变量，并构建基于重要变量的概率预测模型；

步骤六：利用ROC曲线方法比较步骤四中的重要特征变量的概率预测模型和步骤五中的重要变量的概率预测模型，根据预测准确率和变量维度选择最优的概率预测模型，并利用验证数据对最优的概率预测模型进行测试，再利用列线图方法绘制最优的概率预测模型的食管鳞癌患者术后风险预测列线图模型；

所述最优的概率预测模型为：

其中，p表示食管鳞癌患者被划分为高风险的概率，X₁表示T分期，X₂表示开胸部位，X₃表示淋巴结转移阴阳性，X₄表示N分期，X₅表示肿瘤部位，X₆表示分化程度，X₇表示年龄；β₀，β₁，…，β₇是由逻辑回归分析方法确定的概率预测模型的系数；其中β₀＝-2.459表示逻辑回归模型的常数项，β₁＝0.332表示变量X₁对应的系数，β₂＝0.276表示变量X₂对应的系数，β₃＝-0.307表示变量X₃对应的系数，β₄＝0.283表示变量X₄对应的系数，β₅＝-0.164表示变量X₅对应的系数，β₆＝0.145表示变量X₆对应的系数，β₇＝0.017表示变量X₇对应的系数；

步骤七：利用ROC曲线对食管鳞癌患者术后风险预测列线图模型进行评估，将食管鳞癌患者分为高风险组和低风险组，根据随访数据分别计算高风险组和低风险组的食管鳞癌患者的生存率，并分别绘制高风险组和低风险组的食管鳞癌患者的生存率的KM生存曲线，根据KM生存曲线验证食管鳞癌患者术后风险预测列线图模型的可靠性和有效性。

2.根据权利要求1所述的基于Lasso的食管鳞癌患者风险预测列线图模型建立方法，其特征在于，所述初步筛选特征变量包括年龄、肿瘤部位、分化程度、淋巴结转移阴阳性、阳性淋巴结转移个数、T分期、N分期和开胸部位。