10.13929/j.issn.1003-3289.2020.12.016
基于CT机器学习模型预测肺腺癌气腔播散
目的 探讨基于胸部CT建立机器学习模型预测肺腺癌气腔播散(STAS)状态的价值.方法 回顾性分析462例经手术病理证实的原发性肺腺癌,90例STAS阳性(STAS阳性组),372例STAS阴性(STAS阴性组),比较组间一般资料及CT征象差异.按7:3比例将患者随机分为训练集(n=323)和验证集(n=139),采用随机森林算法针对差异有统计学意义的变量建立预测肺腺癌STAS的模型,对训练集进行训练,获得平均AUC最大的模型,以之对验证集进行预测,并计算AUC,评价其诊断效能.结果 组间年龄及12个CT征象差异均具有统计学意义(P均<0.05).以上述13个变量建立的预测模型对训练集进行预测,获得最大AUC为0.80的模型,其预测训练集和验证集肺腺癌STAS的AUC、敏感度及特异度分别0.80、0.78及0.77和0.77、0.78及0.73.结论 基于胸部CT的机器学习模型可有效预测肺腺癌STAS状态.
肺肿瘤、肿瘤转移、体层摄影术、X线计算机、机器学习
36
R734.2;R814.42(肿瘤学)
2021-03-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
1834-1838