不同机器学习模型鉴别结肠型克罗恩病与溃疡性结肠炎的价值

作者：杜晨; 李翠平; 王侠; 樊梦思; 孟帅; 吴兴旺^*

来源：安徽医学, 2023, 44(01): 17-21.

• 结肠型克罗恩病
• 溃疡性结肠炎
• 影像组学
• 机器学习模型

目的 比较不同的机器学习模型在鉴别结肠型克罗恩病(CCD)与溃疡性结肠炎(UC)中的价值。方法 收集2019年6月至2021年12月在安徽医科大学第一附属医院消化科就诊的有完整CT小肠成像(CTE)且经病理证实炎症性肠病(IBD)患者44例(CCD 25例，UC 19例)。利用ITK-Snap软件在静脉期病灶最明显肠段进行勾画，共计勾画106个病变肠段(CCD 58个、UC 48个)。利用AK软件提取勾画区影像组学特征，以7∶3比例随机分为训练集和测试集；对训练集用Correlation＿xx和MultiVariate＿Logistic算法进行数据降维，筛选组间差异明显的影像组学特征构建6种机器学习模型，用测试集的特征对其进行验证。结果 175种组学特征中有4种组间差异有统计学意义(P<0.05)。6种模型中有4种模型曲线下面积均>0.90。训练集中邻近算法(KNN)模型鉴别CCD与UC的受试者工作特征曲线下面积(AUC)为0.958 (95%CI:0.917～0.992),准确率、特异度、灵敏度分别为87.7%、100%和72.7%;在测试集的AUC为0.904(95%CI:0.792～0.996),准确率、特异度和灵敏度分别为87.9%、88.9%和86.7%。结论 4种常用的机器学习模型在鉴别CCD与UC中均有良好的表现；其中KNN模型稳定性好，准确性更高。

• 单位
  安徽医科大学第一附属医院