山东大学学报(医学版)

作者：巨艳丽,王丽华,成芳,黄凤艳,陈学禹,贾红英

单位：1.山东大学齐鲁医学院公共卫生学院生物统计学系, 山东 济南 250012;2.山东大学第二医院循证医学中心, 山东 济南 250033

关键词：放射性碘治疗,机器学习,分化型甲状腺癌,预测模型,治疗疗效,

基金：山东大学第二医院科研发展基金(11681808)

目的 基于分化型甲状腺癌(DTC)患者的临床资料及放射学参数,通过机器学习算法构建放射性碘治疗(RAI)疗效的预测模型。 方法 选取2015年12月至2020年12月于山东大学第二医院核医学科接受RAI治疗的1 642例DTC患者为研究对象,在RAI治疗结束的6个月后评估其治疗疗效,筛选与疗效相关的核心特征进行机器学习建模。将研究对象按就诊时间(2019年7月)划分为训练集(n=973)和验证集(n=669),于训练集中利用Logistic、随机森林、支持向量机、Adaboost 4种方法进行模型构建,利用受试者工作特征曲线下面积(AUC)、灵敏度和特异度评估模型的性能,绘制校准曲线及决策曲线评估模型的准确度和临床受益性,并在验证集中评估模型外部稳定性。 结果 4种模型的预测性能较高,稳定性较好,预测精度和净收益高于目前临床常规应用的肿瘤-淋巴结-转移(TNM)分期和复发风险分层。Logistic模型表现最佳,其AUC在训练集中为0.827、验证集中为0.869。 结论 基于机器学习构建的术后RAI治疗疗效预测模型有较高的预测性能,由此构建的列线图可实现个体化精准预测。

来源：2023年第1期

《山东大学学报(医学版)》期刊编辑部

查看山东大学学报(医学版)杂志2023年第1期