犬淋巴瘤的计算诊断与风险评估
摘要
犬淋巴瘤血液检测可检测两种生物标志物的水平，即急性期蛋白（C-反应蛋白和结合珠蛋白）。该检测可用于诊断、筛查以及缓解监测。我们分析了临床数据，测试了多种机器学习方法，并针对这些问题选择了最佳方案。我们使用了三类方法进行分类和风险估计：决策树、kNN（包括高级和自适应 kNN）以及基于径向基函数的概率密度评估。我们实施并比较了多种预处理方法，其中最佳方法被用于构建诊断系统。对于鉴别诊断，最佳方案的灵敏度和特异性分别为 83.5% 和 77%（使用三个输入特征：CRP、结合珠蛋白和标准临床症状）。对于筛查任务，决策树方法提供了最佳结果，灵敏度和特异性分别为 81.4% 和 >99%（使用相同的输入特征）。若将临床症状（淋巴结病）视为未知，则仅使用 CRP 和结合珠蛋白的决策树提供的灵敏度为 69%，特异性为 83.5%。我们提出并解决了淋巴瘤风险评估问题。所选的最佳模型构成了用于淋巴瘤计算诊断及淋巴瘤风险评估的系统。这些方法已集成到专用的 Web 访问软件中，并应用于治疗后犬淋巴瘤的监测问题。该系统能在临床症状出现前长达两个月检测到淋巴瘤复发。风险图谱可视化提供了一种友好的解释性数据分析工具。
引用
@article{arxiv.1305.4942,
title = {Computational diagnosis and risk evaluation for canine lymphoma},
author = {E. M. Mirkes and I. Alexandrakis and K. Slater and R. Tuli and A. N. Gorban},
journal= {arXiv preprint arXiv:1305.4942},
year = {2014}
}
备注
24 pages, 86 references in the bibliography, Significantly extended version with review of lymphoma biomarkers and data mining methods (Three new sections are added: 1.1. Biomarkers for canine lymphoma, 1.2. Acute phase proteins as lymphoma biomarkers and 3.1. Data mining methods for biomarker cancer diagnosis. Flowcharts of data analysis are included as supplementary material (20 pages)