基于CA125的机器学习在CT预测浆液性卵巢癌腹腔复发中的应用

• 作者: 刘春艳 郑佳连
• 来源期刊: 国际医药卫生导报
• 关键词: CA125 CT 浆液性卵巢癌 腹腔复发 机器学习
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 科研课题专栏
• 页码范围: 1126-1129
• 页数: 4页
• 语种: 中文
• DOI: 10.3760/cma.j.issn.1007-1245.2021.08.005

摘要

目的:利用机器学习，在监测晚期卵巢癌患者糖类抗原（carbohydrate antigen，CA）125水平的基础上，通过CT预测腹部复发。方法:回顾分析本院2018年1月至2020年1月接受CT检查的卵巢癌患者78例的临床资料，患者年龄（65.3±3.8）岁。由两位高年资医师阅读患者CT影像评估是否腹腔复发并检测患者血清CA125水平。构建机器学习支持向量机来预测患者腹腔复发，采用COX回归模型分析相关因素与患者腹腔复发的关系。结果:最佳拟合模型为线性模型，其CA125绝对值、绝对变化量、相对变化量、相对变化率分别为0.54、0.55、0.57、0.61；多项式模型CA125绝对值、绝对变化量、相对变化量、相对变化率分别为0.53、0.51、0.55、0.59；径向基核模型CA125绝对值、绝对变化量、相对变化量、相对变化率分别为0.49、0.44、0.51、0.53。多因素回归显示年龄（ OR＝1.48，95% CI：1.35～1.88）、原发肿瘤大小（ OR＝1.58，95% CI：1.46～1.79）、肿瘤减灭术程度（ OR＝1.61，95% CI：1.53～1.82）、CA125相对变化率（ OR＝1.75，95% CI：1.59～1.90）均与患者腹腔复发相关，差异均有统计学意义（均 P＜0.05）。 结论:基于CA125的机器学习能较好预测CT监测的浆液性卵巢癌腹腔复发，相关因素按危险程度由高及低依次为CA125相对变化率、肿瘤减灭术程度、原发肿瘤大小、年龄。