目的机器学习在医学领域中的应用愈发广泛,随机生存森林（random survival forest,RSF）作为随机森林在生存分析中的扩展,是机器学习中最具代表性的算法之一。本研究旨在比较随机生存森林与传统Cox比例风险回归在构建非转移性结直肠腺癌预后模型中的表现,并对比随机生存森林与Lasso的变量筛选能力,择优进行变量选择并构建预测模型,评估临床应用价值。方法本研究数据来源于美国国立癌症研究所SEER（The Surveillance,Epidemiology,and End Results）数据库,选取“Incidence-SEER18 Custom Data（with additional treatment fields）,Nov 2018 Sub（1975-2016 varying）”中的数据,共纳入 2010-2011 年所有行手术治疗并经病理确诊的首发且无远处转移的结直肠腺癌患者共13866例。使用Kaplan-Meier法进行单因素分析,符合条件者纳入后续模型构建。分别基于随机生存森林与Cox比例风险回归构建预后模型,并对比二者的袋外错误率（out of bag error rate）与综合Brier分数（integrated Brierscore）,择优作为最终建模方法。依据随机生存森林的给出的变量重要性排序以向后选择法逐步剔除变量并构建Cox回归模型,以Lasso压缩各个自变量回归系数至其减小为0被剔除模型的顺序再次逐步构建模型,并与前者对比,择优作为变量选择方法。在不明显影响模型性能的基础上选择重要性较高的变量构建最终模型,并绘制列线图,预测患者1年、3年、5年的生存率。最后进行模型的内外验证,采用时间依赖的受试者工作曲线（time-dependent receiver operating characteristic curve,tdROC）与校准图（Calibrationplot）评价模型性能及泛化能力,评估临床使用价值。结果经筛选后最终纳入13866例患者进行研究,其中死亡4385例,中位随访时间为70个月,单因素分析除性别无显著意义外其余变量均纳入后续模型构建。研究发现在非转移性结直肠腺癌中Cox 比例风险回归模型比随机生存森林的袋外错误率更低、综合Brier分数更小,具有更高的区分度与准确度,预测性能更优。另外,随机生存森林给出的变量重要性排序较Lasso压缩回归系数得到的更为简明准确,依次为年龄、淋巴结转移率（lymphnode ratio,LNR）、T 分期、癌胚抗原（carcinoembryonic antigen,CEA）、癌结节（tumor deposit,TD）、化疗、婚姻状态、神经浸润（perineural invasion,PNI）、病理类型、肿瘤分化、种族、肿瘤大小、肿瘤部位。在不明显影响模型性能的前提下基于随机生存森林进行变量选择后纳入年龄、淋巴结转移率、T分期、癌胚抗原、癌结节、婚姻状态、化疗等7个变量构建了 Cox回归模型,并通过列线图可视化模型,内部验证显示tdROC曲线下面积（areaundercurve,AUC）在1年、3年、5年分别为0.793、0.769、0.753,相应校准图表现良好,Brier分数分别为0.055,0.125,0.169。外部验证中AUC在1年、3年、5年分别为0.82、0.789、0.766,相应校准图曲线同样表现良好,Brier分数分别为0.045、0.127、0.177。结合内外验证,模型预测能力稳定可靠,具有很好的泛化能力。结论1.尽管以随机生存森林为代表的机器学习模型在众多领域得到广泛应用并表现良好,但在非转移性结直肠腺癌预后模型构建中Cox比例风险回归优于随机生存森林。2.随机生存森林可简明准确地衡量各变量对模型的贡献度,淋巴结转移率、癌结节、婚姻状态、癌胚抗原对患者预后具有较大价值,特别是淋巴结转移率表现出超越T分期的预后价值,值得进一步研究。3.我们基于随机生存森林进行变量选择后纳入年龄、淋巴结转移率、T分期、癌胚抗原、癌结节、婚姻状态、化疗情况等变量,在非转移性结直肠腺癌中构建了 Cox比例风险回归模型,并绘制了相应预后列线图,在内外数据中表现良好,具有一定的临床应用价值。