基于肺癌CT的决策树模型在肺癌诊断中的应用

目的:探讨基于肺癌CT的决策树模型在肺癌辅助诊断中的意义。方法:观察61例肺癌患者和50例肺部良性疾病患者的CT片,对边缘情况、毛刺征、小泡征等放射学特征进行量化,结合临床资料对肺癌相关的危险因素行单因素非条件logistic回归和多因素非条件logistic逐步回归分析,采用有意义的因素分别建立决策树、logistic回归2种肺癌诊断模型。采用筛检实验评价指标和ROC曲线比较2种模型对预测集样本的预测效果。结果:多因素非条件logistic逐步回归分析显示年龄、边缘情况、毛刺征、小泡征及纵隔肿大淋巴结对鉴别诊断肺癌意义较大;logistic回归模型对预测集的预测灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为86.89%、84.00%、85.59%、86.89%、84.00%,决策树模型上述指标分别为95.08%、86.89%、90.99%、89.23%、93.48%;logistic回归模型和决策树模型ROC曲线下面积分别为0.854(0.775~0.914)和1.000(0.967~1.000),差异有统计学意义(Z=4.273,P<0.05)。结论:建立的决策树模型诊断肺癌的效果优于logistic回归模型。

Application of decision tree model combined with CT in diagnosis of lung cancer