欧阳永中　曾玉庭　郭伟清　邓金连　魏益平

摘 要 随机森林（Random forest， RF）算法是一种基于决策树的机器学习算法，具有良好的分类与变量筛选性能， 因而在生物医学高维数据分析中应用广泛。本研究开发了一种基于RF算法的原位质谱快速鉴别肺癌的模型和方法，通过构建液体辅助表面解吸常压化学电离质谱技术平台（DAPCI-MS），结合RF算法，在常温常压条件下，直接实现对未处理人体肺鳞癌组织切片的准确鉴别与区分，并获取肺癌区别于正常组织的生物特征标记物。研究表明，当决策树数目ntree=100时，对人体肺鳞癌组织与邻近正常组织的区分准确率可达到100%。与其它分类方法相比，本模型具有稳健性高、分类效果好、泛化能力强等特点，为实现复杂基质的人体肺癌组织与相邻正常组织的区分提供了一种快速、准确和可靠的分类模型。

关键词 随机森林算法; 表面解吸常压化学电离质谱技术; 肺癌组织切片; 特征生物标记物

1 引 言

肺癌是目前我国癌症发病率和死亡率最高的肿瘤[1]， 其中， 非小细胞肺癌（Non-small cell lung cancer， NSCLC）约占所有肺癌的80%，75%的患者发现患病时已处于中晚期，导致5年肺癌生存率非常低。目前，外科切除手术仍是大多数早期非小细胞肺癌的最佳治疗方法[2]。但是，在恶性肿瘤临床手术过程中，实现最佳手术效果的最大障碍之一是难以在短时间内确定区分肿瘤组织和邻近正常组织的清晰边界，不完全切除恶性肿瘤会导致局部术后复发症等系列问题[3]。因此，建立一种快速、准确区分肿瘤组织与邻近正常组织区域的诊断方法，对于辅助临床手术中恶性肿瘤的诊断和彻底根治性切除具有重要的应用价值。……