SVM预测模型在原发性肝癌病理分化程度判断中的应用

目的 研究线性支持向量机(SMV)预测模型在原发性肝癌(HCC)病理分化程度判断中的应用价值。方法 选择2018年6月—2020年6月在江南大学附属无锡五院确诊为HCC的患者78例。所有患者行CT纹理分析，并选取动脉期特征，采用SMV预测模型进行HCC病理分化程度判断。以术后病理检测结果作为金标准，采用Kappa检验CT纹理分析中动脉期SVM预测肿瘤分化程度的一致性进行判定。结果 78例HCC患者肿瘤分化程度分别为低分化、中分化、高分化，分别占总数的25.64%、34.62%、39.74%。动脉期SVM判断HCC患者肿瘤低分化、中分化、高分化与病理检测结果比较，有较高的一致性，Kappa值分别为0.835、0.860、0.892。动脉期SVM预测HCC低分化的灵敏度为85.71%、特异度为96.49%、准确率为93.59%;预测HCC中分化的灵敏度为89.29%、特异度为96.00%、准确率为93.59%;预测HCC高分化的灵敏度为96.55%、特异度为93.88%、准确率为94.87%。结论 SMV预测模型对判断HCC病理分化程度有较高价值。     

肝硬化患者肝内LR-3类结节恶变风险评估及预测模型的建立*

目的 探讨存在LR-3类肝内结节的肝硬化患者恶性转变的危险因素,并在此基础上建立恶性转变预测模型。方法 2014年3月～2016年3月我院诊治的124例存在肝内LR-3类结节的肝硬化患者,规律随访进行磁共振成像(MRI)检查,对可疑病灶进行穿刺活检。应用多因素Logistic回归分析影响癌变的危险因素,并建立预测模型。结果 经随访60～78个月(平均74个月),120例患者完成随访,发现癌变24例(20.0%),另96例无癌变;癌变组有饮酒、吸烟、合并糖尿病、乙型肝炎病毒感染和酒精性肝炎者分别为91.7%、87.5%、75.0%、100.0%和41.7%,显著高于未癌变组(分别为45.8%、52.1%、41.7%、58.3%和20.8%,P<0.05);Cox风险回归分析显示,饮酒(HR=2.264,95%CI=1.597～3.210,P<0.001)、糖尿病(HR=1.294,95%CI=1.107～1.513,P=0.001)、乙型肝炎(HR=1.795,95%CI=1.329～2.561,P<0.001)和酒精性肝炎(HR=0.658,95%CI=0.552～0.784,P<0.001)是存在LR-3类病变结节的肝硬化患者癌变的独立危险因素;根据Cox多因素分析结果建立癌变预测模型,即Y=0.817X₁+0.258X₂+0.585X₃-0.419X₄(X₁=饮酒,X₂=糖尿病,X₃=乙型肝炎,X₄=酒精性肝炎)。经ROC分析显示,该模型判断LR-3类病变结节患者癌变风险的AUC为0.812(SE=0.064,95%CI=0.687～0.936,P<0.001),其敏感度为0.833,特异度为0.673。结论 了解危险因素可能对判断肝硬化患者肝内结节的性质有帮助,加强随访,必要时穿刺才是明确诊断的正确方法。