基于机器学习算法的宫颈癌辅助诊断模型

摘要：

目的 基于来自临床的真实世界数据,探索机器学习模型在宫颈癌辅助诊断方面的性能表现,并讨论其后续在临床进一步推广的意义及可行性.方法 选取2018-01-12-2021-12-30在深圳市妇幼保健院(1 294例)、青岛大学附属医院(1 336例)和成都市妇女儿童中心医院(384例)等3家医疗机构收集的宫颈病变患者相关资料.以8∶ 2的比例划分训练集和验证集,通过5种机器学习算法建立相关宫颈癌辅助诊断模型,并评估比较模型的性能.结果 共纳入研究对象3 014例,宫颈上皮内瘤变(CIN)≥2级767例(25.45％),宫颈CIN＜2级2 247例(74.55％).经过K折交叉验证(K=5)选出最优参数建立相关辅助诊断模型,除决策树外,其余宫颈癌辅助诊断模型的性能均较好,其中神经网络模型性能表现最优,受试者工作特征曲线下面积＞0.92.结论 神经网络等模型在宫颈癌风险辅助诊断方面性能表现较好,建议结合各个模型的优势和特点,充分发挥其临床作用和价值.

关键词：机器学习、宫颈癌、辅助诊断模型、上皮内瘤变、性能评价

所属期刊栏目：30

分类号：R737.33(肿瘤学)

资助基金：中国医学科学院医学与健康科技创新工程CIFMS2017-I2M-B&R-03

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：48-53