基于XGBoost人工智能结合CT构建甲状腺癌颈部淋巴结转移预测模型

作者：陈海兵; 卫亚楠; 许晓泉; 陈曦^*

来源：山东大学耳鼻喉眼学报, 2020, 34(03): 40-45.

• 甲状腺癌
• 淋巴结转移
• XGBoost
• 人工智能
• 预测模型

目的基于极端梯度提升算法人工智能建立甲状腺癌患者术前CT颈部淋巴结转移的预测模型,为临床制定规范的治疗方案提供参考依据。方法回顾性分析2017年10月～2019年5月38例甲状腺乳头状癌患者临床资料,共纳入135个淋巴结数据。采集甲状腺癌淋巴结转移相关变量及CT参数,基于XGBoost人工智能评估数据特征属性重要性,建立淋巴结转移预测模型,采用五折交叉验证方法训练测试模型。结果基于XGBoost人工智能甲状腺癌CT淋巴结转移预测模型准确率平均为87.41%,优于支持向量机机器学习算法模型79.22%。淋巴结强化、强化不均匀、原发灶同侧淋巴结及淋巴结有包膜侵犯是提示淋巴结转移的重要的CT特征属性。结论基于XGBoost人工智能建立的甲状腺癌患者术前CT颈部淋巴结转移的预测模型准确率高,可以帮助临床医师术前判断甲状腺癌是否伴有颈部淋巴结转移,评估肿瘤TNM分期,并制定规范的手术治疗方案。

• 单位
  南京医科大学第一附属医院; 江苏省人民医院