基于列线图与机器学习预测肺癌患者孤立性肺结节风险
定量方法
2023-05-19 v1 人工智能
图像与视频处理
摘要
肺癌(LC)是一种起源于支气管黏膜或腺体的恶性肿瘤。孤立性肺结节(SPNs)作为临床常见结节，当其直径大于8 mm时恶性概率显著升高。但当直径小于8 mm时仍存在肺癌风险，本研究的目的是利用计算机断层扫描(CT)影像与生物标志物信息，构建用于估算直径8 mm及以下SPNs患者肺癌发生可能性的列线图。以CT扫描与多种生物标志物为输入，构建针对8 mm及以下SPNs患者肺癌可能性的预测模型。年龄、前胃泌素释放肽(ProGRP)、性别、癌胚抗原(CEA)与应力腐蚀开裂(SCC)为独立的 key 肿瘤标志物并纳入列线图。所构建的列线图在肺癌风险预测中表现出较强准确性，其内部验证受试者工作特征曲线下面积(ROC)为0.8474。校准曲线显示列线图预测的肺癌概率与实际概率具有良好一致性。本研究最终成功构建了适用于预测直径≤8 mm SPNs患者肺癌风险的列线图。该模型准确度高，能精准区分不同患者，便于临床医生为SPNs个体制定个性化治疗方案。
引用
@article{arxiv.2305.10466,
title = {Solitary pulmonary nodules prediction for lung cancer patients using nomogram and machine learning},
author = {Hailan Zhang and Gongjin Song},
journal= {arXiv preprint arXiv:2305.10466},
year = {2023}
}