基于血液活检指标的胃层瘤智能识别系统
Shangjun Han1,2, Meijuan Song1,2, Jiarui Wang3
1Department of the First Clinical Medical College, Gansu University of Traditional Chinese Medicine, Lanzhou, People's Republic of China.
BMC medical informatics and decision making
|October 13, 2023
概括
一个新的机器学习系统有效地使用常规血液检测识别胃层瘤 (GST). 这种早期预警系统为诊断GST提供了一个有前途的工具,将其与胃息肉和健康个体区分开来.
科学领域:
- 胃肠病学 胃肠病学
- 在瘤学瘤学.
- 生物统计学 生物统计学
背景情况:
- 胃层瘤 (GST) 是最常见的中介细胞衍生的胃肠道癌症,占所有胃肠层瘤 (GIST) 的60-70%.
- 目前GST缺乏有效的诊断和查方法,这构成了重大挑战.
- 这项研究解决了通过创新方法改善GST检测的需求.
研究的目的:
- 开发一个早期预警系统,用于胃层瘤 (GST).
- 利用机器学习算法与常规血液,生物化学和瘤标记指标相结合,用于GST预测.
- 建立一种可靠且易于使用的GST诊断和查方法.
主要方法:
- 从四家医院收集了697个完整样本,其中包括318名GST患者的血液指标,180个胃息肉样本和199名健康人.
- 开发并比较了三种机器学习模型:梯度增强机 (GBM),随机森林 (RF) 和后勤回归 (LR).
- 使用5倍交叉验证和外部验证评估模型性能和稳定性,并使用DeLong测试对AUC值进行统计分析.
主要成果:
- 与LR模型相比,GBM和RF模型都显示出明显更高的AUC值 (P < 0.05).
- 鉴于其强大的分类性能,GBM模型被认为是最佳的.
- 使用8个关键血液指数的综合模型实现了0.941的灵敏度,0.807的特异性和0.951的AUC,用于区分GST与胃息肉和健康个体.
结论:
- GBM 模型表现出强大的分类能力,使得 GST 患者能够快速地从胃息肉和健康个体中区分出来.
- 这种识别系统为GST提供了创新的诊断策略,并为预防和监测促进了血液参数协会的研究.
- 医疗专业人员和高风险群体可以免费使用GST歧视系统的在线版本.
