基于支持向量机的肝外胆管癌术前淋巴结状态预测模型构建

作者：林泰安; 罗亚梅; 黄志伟; 杨录; 要小鹏^*

来源：西南医科大学学报, 2023, 46(04): 303-307.

• 肝外胆管癌
• 淋巴结转移
• 机器学习
• 支持向量机
• 辅助诊断

目的 开发一种预测肝外胆管癌淋巴结状态的机器学习模型。方法 纳入101例接受根治性手术切除的肝外胆管癌病例，采用MaZda软件对多序列MRI图像病灶进行勾画，并且提取影像特征。利用最大-最小算法对影像特征进行归一化，并通过合成少数过采样算法进行分类数据平衡，生成新样本。采用Spearman相关性分析与最大相关最小冗余特征选择法进一步筛选影像特征，最终得到20个最具代表的特征。从新样本数据中任意选择80%样本作为训练集，剩余20%作为测试集，建立支持向量机（support vector machine,SVM）预测模型，并利用受试者工作特征曲线（ROC）评价模型性能。结果 预测模型训练集的AUC为0.98，准确率为89.2%，灵敏度为92.9%，特异性为89.4%。测试集的AUC为0.83，准确率为82.2%，灵敏度为82.1%，特异性为80.9%。结论 基于MRI影像的SVM预测模型具有良好的预测性能，可为临床医生提供对肝外胆管癌患者个性化的术前预测，辅助评估手术价值并做出适当的临床决策。

• 单位
  西南医科大学