使用增强关联规则对滤泡性甲状腺癌超声特征进行可解释数据挖掘
机器学习
2025-09-17 v1
摘要
目的：甲状腺癌一直是一种常见癌症。乳头状甲状腺癌和滤泡性甲状腺癌是两种最常见的甲状腺癌类型。滤泡性甲状腺癌缺乏独特的超声征象，且比更常见的乳头状甲状腺癌更难在术前诊断，相关的临床研究也较少。我们旨在基于一种新型数据挖掘工具分析滤泡性甲状腺癌的临床数据，以识别可能有助于术前诊断的临床指征。方法：我们基于北京大学第三医院普通外科 2010 年至 2023 年收集的病例数据进行了回顾性分析。与传统统计方法不同，我们改进了关联规则挖掘这一经典数据挖掘方法，并借助可解释机器学习中的 SHAP 方法思想，提出了反映临床指征与癌症之间恶性关联的新分析指标。结果：数据集经预处理后包含 1673 个病例（以结节而非患者计），其中 1414 个为良性，259 个为恶性结节。我们的分析指出，除了某些常见指标（如不规则或分叶状结节边缘、厚度不均的晕环、低回声）外，还有一些具有强恶性关联的指标，如结节内结节模式、梁状结构和低 TSH 评分。此外，我们的结果表明，合并桥本甲状腺炎也可能具有强恶性关联。结论：在疑似滤泡性甲状腺癌结节的术前诊断中，应考虑多个临床指征以进行更准确的诊断。我们研究中识别出的多种恶性关联可作为相关领域临床医生的参考。
引用
@article{arxiv.2509.12238,
title = {Interpretable Data Mining of Follicular Thyroid Cancer Ultrasound Features Using Enhanced Association Rules},
author = {Songlin Zhou and Tao Zhou and Xin Li and Stephen Shing-Toung Yau},
journal= {arXiv preprint arXiv:2509.12238},
year = {2025}
}