基于临床数据的胃癌筛查模型研究

• 作者: 杨荣 陈先来 陈誉 高红梅
• 来源期刊: 中国医学物理学杂志
• 关键词: 胃肿瘤 疾病筛查模型 临床数据 决策树
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 医学人工智能
• 页码范围: 1095-1102
• 页数: 8页
• 分类号: R319
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.09.020

摘要

目的:利用临床数据,通过机器学习建立辅助筛选模型,以提高胃癌早期诊断水平.方法:以5585例胃癌(ICD编码为C16*,A组)患者为研究对象,并从57657例非胃部恶性肿瘤(ICD编码为C*,除C16*外)中随机选择6000例(B组),从47225例健康体检者中随机选择6000例非恶性肿瘤(C组),作为对照.从临床数据中抽取人口学(性别、年龄)、实验室检测(血常规检测、血脂/肝功能、肿瘤相关标志物、Hp等)等信息.利用Pearson相关性分析,对各指标与诊断之间的相关性进行分析.采用独立样本t检验,检测各指标的组间差异性.选择性别、年龄、癌胚抗原(CEA)、粪隐血(FOB)等53项指标作为决策变量,采用决策树算法C5.0,建立胃癌辅助筛查模型.结果:年龄、CEA、CA153等指标与胃癌显著相关(P<0.05).在A组-B组、B组-C组、A组-C组中,存在组间差异性的指标不相同.通过数据挖掘,得到了包含51条规则的胃癌筛查模型.模型中重要性位于前10的指标依次为CA199、CA153、CEA等.对于训练集、测试集,模型的准确率分别为89.58％、89.14％,曲线下面积为0.809.结论:通过临床数据分析,可以确定胃癌早期诊断的重要指标.利用数据挖掘方法,基于临床数据可以建立胃癌筛查辅助模型,对于胃癌筛查具有良好的辅助价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高红梅		49	503	9.0	21.0
2	杨荣		8	34	4.0	5.0
3	陈先来	中南大学信息安全与大数据研究院	39	149	8.0	10.0
7	陈誉	中南大学湘雅医学院	1	1	1.0	1.0