基于极限梯度提升算法的前列腺增生与前列腺癌鉴别诊断 |
| |
作者姓名: | 吴欢 徐洪丽 王彬华 冀肖健 乌日力格 |
| |
作者单位: | 1. 中国人民解放军总医院医学创新研究部医学大数据研究中心;2. 国家医疗大数据应用技术工程研究中心;3. 中国人民解放军总医院医学创新研究部灾害医学研究中心;4. 中国人民解放军总医院第一医学中心风湿免疫科 |
| |
基金项目: | 国家重点研发计划(编号:2021YFC2009300,2021YFC2009303); |
| |
摘 要: | 目的 利用机器学习方法构建前列腺增生与前列腺癌的鉴别诊断模型,辅助临床医生进行穿刺术决策。方法 利用中国人民解放军总医院第一医学中心2009年至2018年的前列腺增生与前列腺癌住院患者基本信息、既往史、临床信息等数据,分别利用Logistic回归和极限梯度(XGBoost)方法构建鉴别诊断模型,并利用灵敏度、特异性、准确率、AUC值和ROC曲线评估模型效果。结果 Logistic回归和XGBoost方法构建的模型性能与单因素tPSA(P<0.001)、fPSA(P<0.001)、f/tPSA(P<0.001)分析差异均具有统计学意义。利用前列腺体积、f/tPSA、tPSA、fPSA、尿白细胞、无机磷等15个重要变量构建XGBoost模型,得到测试集的灵敏度、特异性、准确率、AUC值分别为0.835、0.815、0.826、0.903。结论 多因素XGBoost模型较单因素(f/tPSA、tPSA、fPSA)预测模型和Logistic回归模型更优,具有更好的鉴别诊断能力,且对tPSA为4~10ng/mL的患者也具有一定的鉴别能力。
|
关 键 词: | 前列腺增生 前列腺癌 XGBoost模型 PSA |
|
|