基于混合贝叶斯网络的肺结节鉴别诊断模型

摘要：

目的 探讨肺结节良恶性病变的影响因素,建立肺结节鉴别诊断的混合贝叶斯网络模型,为肺癌的筛查和诊治提供参考依据.方法 收集2014-2020年南京市某医院胸心外科和呼吸科经胸部CT检查发现的肺结节患者的人口统计学信息、疾病史、危险因素暴露史、影像学特征、肿瘤标志物检测结果和肺结节诊断结果等资料.利用SAS 9.4软件进行单因素和多因素分析,初步筛选变量.将数据按7∶3的比例划分为训练集和测试集,分别用于模型构建和模型评估.使用L_DVBN算法构建混合贝叶斯网络模型,使用R语言bnlearn包进行模型评估,通过受试者工作特征(ROC)曲线下面积(AUC)评价模型的预测效果,并与Mayo模型和Brock模型比较.结果 该研究共纳入样本990例,其中肺结节恶性病变患者665例(66.16％).混合贝叶斯网络结构显示,肺结节性质与结核病史、最大结节位置、直径、类型、分叶征、空泡征、血管集束征、钙化征,细胞角蛋白19片段(Cyfra21-1)等因素密切相关,与年龄、肺结节数量、毛刺征等因素间接相关;模型 AUC 值为 0.869(95％CI:0.823～0.915),高于 Mayo 模型(AUC=0.704,95％CI:0.642～0.767)和 Brock 模型(AUC=0.754,95％CI:0.691～0.816).结论 肺结节良恶性鉴别诊断的混合贝叶斯网络模型具有良好的预测性能,能有效区分良性结节和恶性结节,可辅助鉴别肺癌低剂量螺旋CT(LDCT)筛查中的难区分结节.

关键词：肺结节、鉴别诊断、混合贝叶斯网络

所属期刊栏目：31

分类号：R563(呼吸系及胸部疾病)

资助基金：国家自然科学基金81872711

在线出版日期：2023-04-23（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：81-85,89