| 摘要: |
| 目的探讨联合临床病理特征和人工智能（AI）算法构建的胃癌生存预测模型的效能及临床意义。方法选取2016年6月至2018年5月丽水市人民医院就诊的200例胃癌患者的病理信息，筛选与生存结局高度相关的指标。采用10倍交叉验证法将200例患者以2∶8的比例分为建模队列40例和验证队列160例。与生存结局高度相关的指标采用随机梯度提升（gbm）、广义线性模型（glmnet）、逻辑回归模型（plr）、径向基函数核支持向量机（svmRadial）、贝叶斯模型（naive_bayes）和随机森林模型（ranger）6种AI算法在建模队列中构建胃癌生存预测模型，并在验证队列中验证模型的预测效能。结果200例患者中存活组109例，死亡组91例。肿瘤最大径、淋巴结转移、肿瘤位置、神经浸润和TNM分期在存活组和死亡组的分布差异均有统计学意义（均P＜0.05），且与生存结局均相关（均P＜0.05）。ROC曲线显示单项指标预测患者生存的AUC均＞0.500。综合比较6种算法的多维度考量指标发现，基于svmRadial算法下的5项病理特征组合生存预测模型综合效能最佳，AUC为0.817，灵敏度为0.762，特异度为0.833，准确度为0.795。在验证队列中svmRadial算法下的5项病理特征组合生存预测模型AUC为0.624。结论AI技术能够有效提升5项病理特征联合检测的预测效能，从多维度综合分析患者情况，具有优异的辅助潜能，可为改善胃癌患者的预后管理提供研究思路和理论基础。 |
| 关键词: |
| DOI：10.12056/j.issn.1006-2785.2024.46.3.2023-2219 |
| 分类号: |
| 基金项目:丽水市科技计划项目（2023GYX41） |
|
|
|
|
| Abstract: |
|
| Key words: |
