女性乳腺癌术前营养和免疫指标分析及预测模型.pdfVIP

570.广东医学2025年4月第46卷第4期GuangdongMedicalJournalApr.2025,Vol.46,No.4

女性乳腺癌术前营养和免疫指标分析及

预测模型

姜敏，黄玥，王尊←

深圳市宝安区妇幼保健院乳甲科（广东深圳518102）

【摘要】目

目的分析女性乳腺癌患者术前营养和免疫指标特点，构建3种乳腺癌预测模型并筛选出最

去选取450例女性乳腺包块患者，按病理结果分为乳腺癌组和良性对照组，收集入院基本信息

优模型。方法

和化验结果，计算她们的体质指数（BMI）、炎症指标、预后营养指数（prognosticnutritionalindex，PNI），构建基

于随机森林（RF）、极端梯度升高（XGBoost）、Logistic回归等3种机器学习算法的乳腺癌预测模型，并对模型

进行评价。结果单变量分析，在两组中差异有统计学意义的指标是BMI、中性粒细胞与淋巴细胞比值（neu-

trophiltolymphocyteratioNLR）、全身炎症反应指数（SystemicInflammatoryResponseIndex，SIRI）、PNI、淋巴细

胞与单核细胞比值（lymphocytetomonocyteratio,LMR）、乳腺包块最长径等（P0.05）。3种模型中，XGBoost

模型的预测效果最好，预测乳腺癌的ROC曲线下面积（AUC）在建模组和验证组分别为0.903和0.809（在验

证组准确率为0.76、敏感度为0.691、特异性为0.823、F1分数为0.729），决策曲线表明，该模型获益性良好，

具有较好的临床应用价值。发生乳腺癌的危险因素重要性排序依次是：乳腺包块最长径、LMR、PNI、BMI、SIRI、

研究构建了一种基于XGBoost算法的机器学习模型，在乳腺癌的预测中具有良好的参考价值

NLR。结论

【关键词】乳腺癌；体质指数；预后营养指数；免疫指标；机器学习

【中图分类号】R446.11;R737.9【文献标志码】A

D0I:10.13820/ki.gdyx

Analysisofpreoperativenutritionalandimmuneindicatorsandriskpredictionmodelofnomograminfemale

breastcancerpatients.JIANGMin,HUANGYue,WANGZun.*Thedepartmentofbreastandthyroidsurgery,

WomensandChildrensHospitalAffiliatedtoShenzhenUniversity,Shenzhen518102,Guangdong,China

orrespondingauthor:WANGZun.E-mail:wzttkl@163.com

[Abstract]ObjectiveThecharacteristicsofpreoperativenutritionalandimmuneindicatorsinfemalebreast

cancerpatientswereanalyzed,andthreebreastcancerpredictionmodelswereconstructedandtheoptimalmodelswerese-

lected.Methods

sAtotalof450femalepatientswithbreastmasswereselectedanddividedintobreastcancergroupand

benigncontrolgroupaccordingtothepathologicalresults,andtheirbasicinformationandlaboratoryresultsatthetimeof

admissionwerecollected.TheirBMI,inflammation-relatedindicatorsandprognost