JNS：应用机器学习构建肺癌与环境激素的关联模型

根据世界卫生组织的全球统计数据，肺癌每年夺去约180万人的生命，其中50%以上的患者没有吸烟史或非传统危险因素。减少肺癌发病率应致力于减少日常生活中与危险因素的接触。Journal of Nursing Scholarship杂志发表了一项研究，利用机器学习技术建立肺癌与环境激素之间的关联模型，以提高对肺癌危险因素的认识，并完善当前肺癌护理评估。

这项探索性研究分为三个阶段。第一阶段使用生物数据库的数据收集患者样本，探索肺癌相关的环境和激素危险因素，使用机器学习算法开发关联模型。结果表明肺癌与血镉、尿镉、尿镉/肌酐和邻苯二甲酸二（2-乙基己基）酯之间存在显著关联。第二阶段验证模型在临床实践的准确性，增强其在临床环境中的预测功效。通过方便抽样招募128名肺癌患者，通过评估肺癌患者生活习惯和环境激素暴露的问卷来验证该模型。第三阶段根据临床模型的验证结果提出护理评估的建议。

数据库样本分析显示，参与者平均年龄48.0±14.2岁，男性286人（41.5%），女性403人（58.5%）。平均体重指数22.7±2.2。研究主要关注9种环境激素：尿锌、尿镉、尿镉/肌酐、黄曲霉毒素、自由基、血镉、多环芳烃、邻苯二甲酸二乙酯和邻苯二甲酸二酯umep和umehp。利用9种环境激素进行logistic回归预测肺癌，总体预测率为98.3%。研究发现环境激素代谢异常与肺癌风险之间存在显著关联。具体而言，环境激素血镉代谢异常者患肺癌的风险是代谢正常者的300.15倍。尿镉代谢异常者患肺癌的风险是代谢正常者的17.79倍，均有统计学意义（p< 0.05），强调肺癌发生与血镉和尿镉水平升高有直接关系。研究还利用神经网络对9种环境激素进行肺癌预测，总体预测率为96.9%。第一个重要的预测因子是尿镉，重要性为100%。第二位是血镉，重要性为91%，第三位是umeh，重要性为59.7%，第四位是尿镉/肌酐，为56.6%。分析参与者的饮食习惯、生活习惯、暴露史、肺癌用药史及环境激素。值得注意的是，饮食和生活方式与环境激素水平有显著关联。

目前，肺癌护理评估缺乏对环境激素检测与疾病之间关系的模型，影响对肺癌风险的预测。研究提出重建肺癌护理评估，以综合评价危险因素。

原文出处：

Pin-Chieh Lee, Mong-Wei Lin,et al, Applying machine learning to construct an association model for lung cancer and environmental hormone high-risk factors and nursing assessment reconstruction, Journal of Nursing Scholarship, 2024, DOI: 10.1111/jnu.12997.