基于自动编码器降维的Cox神经网络扩展模型在肺腺癌组学数据中的应用  

作　　者：张永超 兰宁 李淼 张云飞 赵晋芳[1] 罗天娥[1] 

机构地区：[1]山西医科大学卫生统计教研室,030001 [2]中国医学科学院血液病医院 [3]亚利桑那州立大学

出　　处：《中国卫生统计》2024年第1期156-160,共5页Chinese Journal of Health Statistics

基　　金：山西省自然科学基金(201801D121210)。

摘　　要：目的 在自动编码器对肺腺癌基因表达组学数据进行降维的基础上,构建Cox的神经网络扩展模型,从而对肺腺癌患者预后进行预测。方法 首先通过两种无监督学习方法:自动编码器和主成分分析分别对肺腺癌的基因表达数据进行降维,然后构建Cox-nnet模型,并与DeepSurv模型进行比较,从中选择预测性能较好的方法来识别肺腺癌的高低危患者。结果 在TCGA与GEO两个数据集中,基于自动编码器降维后的Cox-nnet模型均有较好的一致性指数与AUC值,且高低预后两组患者的生存率都具有统计学差异。结论 自动编码器比主成分分析更适用于基因表达数据的无监督降维,且经自动编码器降维后的Cox-nnet模型拥有较好的预测性能,可以明显地区分肺腺癌的高低危患者,为肺腺癌的预后研究提供科学依据。

关 键 词：肺腺癌 主成分分析 自动编码器 Cox-nnet 预后预测 

分 类 号：R195.1[医药卫生—卫生统计学]