朱英浩，王诗淇，张纬，刘瑜

    1.温州医科大学附属第一医院 心胸外科，浙江 温州 325035；2.温州医科大学 第一临床医学院(信息与工程学院)，浙江 温州 325035；3.浙江大学医学院附属第四医院廿三里院区 内科，浙江 金华 322000

    目前，肺癌是全球第二大常见恶性肿瘤，占所有癌症病例的11.4%，占所有癌症死亡人数的18%[1]。非小细胞型肺癌(non-small cell lung cancer, NSCLC)占所有原发性肺癌的80%以上，骨转移是肺癌最常见的转移途径，而骨转移是导致肺腺鳞癌预后变差的重要因素之一[2-3]。因此，一个准确预测肺癌转移到其他器官的预测模型对患者的治疗至关重要。

    机器学习可以识别复杂的非线性关系，并自动学习和提高性能，被认为优于传统的识别和解决问题的方法[4-5]。机器学习已广泛应用于临床，如图像识别和癌症预测[6]。本研究中展示了一种机器学习的方法来预测肺腺鳞的骨转移。

    1 材料和方法

    1.1 数据收集本研究的队列来自SEER数据库以及温州医科大学附属第一医院。从SEER数据库中收集了2010年至2018年诊断的患者数据，使用ICDO-3代码C34.0、C34.1、C34.2、C34.3、C34.8和C34.9以及组织学代码8560/3来确认肺腺鳞癌患者。选择了包括年龄、TNM分期、肿瘤偏侧性、原发部位、病理分级、转移部位和生存期等特征。从其中挑选出年龄为15～85岁，生存期大于1个月，为原发性肺癌，有准确的人种信息、病理分级、肿瘤位置、TNM分期以及肿瘤大小的病例。共收集1919例符合条件的病例，并以随机分组的方式以7:3的比例分为训练集组(n=1366)以及测试集组(n=553)。从温州医科大学附属第一医院收集了2017年1月至2021年12月的患者数据共51例，将其分入外部验证集组。

    1.2 统计学处理方法所有数据分析均使用R 4.1.3 (https://www.r-project.org/)完成；所有机器学习算法代码都由Python 3.10(https://www.python. org/)编写和运行；SEER*Stat(https://seer. cancer.gov/)用于获取数据库中患者数据 ......