[摘要]目的采用机器学习和深度学习的方法，构建早期胃癌的预测模型，以提高胃癌早期诊断的准确性。方法采用4 105例病人的数据集和505个变量，运用神经网络、随机森林、梯度提升机、CatBoost、XGBoost、K最近邻等机器学习算法，采用加权集成学习方法整合模型优势，构建早期胃癌的预测模型，并通过准确率、召回率、F1分数、马修斯相关系数(MCC)、受试者工作特征(ROC)曲线下面积(AUC)评估模型的性能。结果WeightedEnsemble_L2模型为最佳模型，其AUC为0.98，准确率为0.93，MCC为0.79，F1分数为0.83，召回率为0.88。结论机器学习和深度学习是提升胃癌早期诊断准确性的有效方法。WeightedEnsemble_L2模型是高效精确的预测工具，可以为医疗决策提供重要支持。

    [关键词]胃肿瘤；诊断；机器学习；生物标记[中图分类号]R735.2;R44

    [文献标志码]A[文章编号]20965532(2025)01005405" " doi：10.11712/jms.20965532.2025.61.016[HT]

    [开放科学(资源服务)标识码(OSID)]

    [网络出版]https：//link.cnki.net/urlid/37.1517.R.20250318.1511.004;2025031911：48：27

    [Abstract]Objective To establish a predictive model for earlystage gastric cancer using machine learning and deep learning techniques ......