基于机器学习算法预测甲状腺乳头状癌右喉返神经后方淋巴结转移907例临床研究 |
| |
引用本文: | 周天晗,吴 凡,陆凯宁,赵玲倩,潘 钢,彭 友,张 煜,周 力,罗定存.基于机器学习算法预测甲状腺乳头状癌右喉返神经后方淋巴结转移907例临床研究[J].中国实用外科杂志,2021,41(12):1394-1399. |
| |
作者姓名: | 周天晗 吴 凡 陆凯宁 赵玲倩 潘 钢 彭 友 张 煜 周 力 罗定存 |
| |
作者单位: | 1浙江中医药大学第四临床医学院,浙江杭州 310053;2浙江大学医学院附属杭州市第一人民医院肿瘤外科,浙江杭州 310006 |
| |
摘 要: | 目的 构建基于机器学习算法的甲状腺乳头状癌右喉返神经后方淋巴结(LN-prRLN)转移预测模型,并验证其预测效果。方法 回顾性分析2014年3月至2019年7月在浙江大学医学院附属杭州市第一人民医院肿瘤外科接受手术的907例甲状腺乳头状癌病人。分别纳入性别、年龄、肿瘤大小、被膜侵犯、多灶性等临床病理资料。根据时间序列,分为训练组(n=595)和验证组(n=312)。运用Logistic回归及分类树、随机森林、梯度提升法、支持向量机等机器学习算法进行特征变量选择,并构建LN-prRLN转移的预测模型。结果 分类树模型的受试者操作特征曲线(ROC)曲线下面积为0.654,敏感度为33.00%,特异度为97.78%,准确率为86.89%;随机森林模型的ROC曲线下面积为0.753,敏感度为57.00%,特异度为100.00%,准确率为92.77%;支持向量机模型的ROC曲线下面积为0.604,敏感度为27.00%,特异度为83.19%,准确率为86.39%;梯度提升法的ROC曲线下面积为0.873,敏感度为72.00%,特异度为89.49%,准确率为87.90%。结论 LN-prRLN转移预测模型对甲状腺乳头状癌右喉返神经后方淋巴结转移具有良好的预测效果,其中梯度提升法具有较高的诊断效能。
|
关 键 词: | 右喉返神经后方淋巴结 甲状腺乳头状癌 机器学习算法 预测模型 |
|
| 点击此处可从《中国实用外科杂志》浏览原始摘要信息 |
| 点击此处可从《中国实用外科杂志》下载免费的PDF全文 |
|