基于经直肠超声造影参数及临床资料建立机器学习模型诊断临床显著性前列腺癌

作者：刘秀; 李芳^*; 冯玉洁; 洪睿霞; 李颖; 赵怀; 周航; 宫佳奇

来源：中华超声影像学杂志, 2023, 32(01).

• 临床显著性前列腺癌
• 超声造影, 经直肠
• 机器学习

目的基于前列腺经直肠超声造影参数及临床相关资料建立机器学习模型, 并探讨各模型诊断临床显著性前列腺癌的效率。方法回顾性分析重庆大学附属肿瘤医院2018年11月至2021年9月接受经直肠超声造影检查并行经直肠超声引导下穿刺活检的患者151例。采用VueBox软件绘制时间-强度曲线, 定量分析上升时间、达峰时间、平均渡越时间、峰值强度、上升斜率等12个参数。将年龄、总前列腺特异抗原、游离前列腺特异抗原、游离前列腺特异抗原比值、体积、前列腺特异抗原密度及经直肠超声造影参数共18个特征参数, 通过相关属性值及信息增益属性值进行特征分析及特征筛选。将筛选特征通过机器学习单一算法及集成算法进行模型训练及测试, 后通过F1值及ROC曲线下面积(AUC)进行模型评价。结果相关属性值及信息增益属性值分别筛选出12个变量及5个变量建立机器学习模型, 集成算法建立模型均优于单一算法, 两种变量筛选方式基算法为决策树的Bagging集成算法模型AUC(0.810比0.789)及F1值(0.748比0.742)均为最高, 其次AUC及F1值均依序为Logistic回归、支持向量机(SVM)。结论基于经直肠超声造影参数及临床资料, 在决策树、SVM、Logistic回归及集成算法中, 基算法为决策树的Bagging集成算法模型诊断临床显著性前列腺癌性能最优。

• 单位
  重庆市肿瘤研究所; 生物医学工程学院; 重庆大学