用于提高基于人群的结直肠癌筛查的敏感性、特异性和 AUC 的集成监督学习算法优化
机器学习
2017-08-16 v2 人工智能
定量方法
摘要
美国每年有超过150,000名新患者被诊断出患有结直肠癌。近三分之一的人死于该病（美国癌症协会）。目前唯一获批的非侵入性诊断工具涉及粪便潜血试验（FOBTs）或粪便 DNA 检测。粪便潜血试验只需五分钟，非处方即可获得，价格低至15美元。它们具有高度特异性，但敏感性远不够高，产生高比例（25%）的假阴性（结肠癌联盟）。此外，FOBT 结果过于笼统，这意味着阳性结果可能意味着远不止结直肠癌，同样可能意味着痔疮、肛裂、直肠炎、克罗恩病、憩室病、溃疡性结肠炎、直肠溃疡、直肠脱垂、缺血性结肠炎、血管发育不良、直肠创伤、放疗引起的直肠炎等。粪便 DNA 检测是 CRC 筛查的现代基准，具有更高的敏感性和特异性，但成本为600美元，需要两周时间处理，且不适用于高风险个体或有息肉病史的人群。为了提供一种廉价且有效的 CRC 筛查替代方案，我们采用了一种独特的基于集成的分类算法，该算法考虑了患者的 FIT 结果、BMI、吸烟史和糖尿病状况。该方法在十折交叉验证下进行测试，具有0.95的 AUC、92%的特异性、89%的敏感性、0.88的 F1 和90%的精确率。一旦经过临床验证，与粪便 DNA 检测相比，该测试有望更便宜、更快捷且可能更准确。
引用
@article{arxiv.1708.03951,
title = {Optimization of Ensemble Supervised Learning Algorithms for Increased Sensitivity, Specificity, and AUC of Population-Based Colorectal Cancer Screenings},
author = {Anirudh Kamath and Aditya Singh and Raj Ramnani and Ayush Vyas and Jay Shenoy},
journal= {arXiv preprint arXiv:1708.03951},
year = {2017}
}
备注
7 pages, 3 figures