论文部分内容阅读
背景和目的卵巢肿物是妇科常见疾病,在各年龄段均可发病且组织类型繁多,但目前仍缺乏有效普查和早期诊断方法,多数卵巢恶性肿瘤患者就诊时已属晚期,治疗效果及预后均极差,其病死率更是居妇科肿瘤首位。早期卵巢恶性肿瘤患者多因健康查体行妇科彩超显示卵巢肿物而就诊,在缺乏明确术前诊断的前提下,行开腹或腹腔镜探查下卵巢肿物剥除或患侧附件切除,经快速病理诊断后再决定最终手术方式。然而随着人们对卵巢各类型疾病的发展、转移规律认识的不断深入,各种卵巢肿瘤的治疗模式逐渐趋向个人化,患者和临床医师都追求准确性更高的术前诊断。通过更有针对性的术前谈话使患者在术前对自身疾病充分的了解,从而更好的决定拟行手术方式。提高卵巢肿物术前诊断准确性不仅能优化诊疗模式、增加患者对临床医师的信任感,更重要的是减少因拟行手术方案的选择偏差而造成的手术创伤,从而提高患者的预后。为避免临床医师在术前诊断上的主观性和思维定势,近年来,人工神经网络被广泛应用于构建各类疾病的预测模型,但国内目前尚无基于人工神经网络卵巢肿物术前诊断模型的相关文献报道。本研究旨在联合卵巢肿物患者的年龄、产次、绝经情况、临床症状、血清肿瘤标志和盆腔B超特征建立卵巢肿物术前诊断的BP人工神经网络及Logistics回归模型,探讨人工神经网络应用于辅助术前诊断的可行性。方法1.对2016年1月至2018年9月于山东省立医院妇科住院的382名卵巢肿物患者住院病历资料进行回顾性数据收集,用spss 25对数据进行描述性分析及单因素分析。2.使用python语言在python3.7.3环境下分别建立单独联合4种肿瘤标志(CA125、CA199、HE4、ROMA指数)的诊断卵巢良性-交界性-恶性肿瘤的Logistics回归模型(Logisticl)和BP神经网络模型(BP-ANN1)及联合年龄、产次、绝经情况、临床症状、血清肿瘤标志和盆腔B超特征等多因素诊断卵巢良性-交界性-恶性肿瘤的Logistics回归模型(Logistic2)和BP神经网络模型(BP-ANN2)。3.画出Logisticl、BP-ANN1、Logistic2、BP-ANN2模型的ROC曲线并对比曲线下面积,分析各模型对卵巢良性肿瘤及非肿瘤包块、卵巢交界性肿瘤、卵巢恶性肿瘤的诊断效能。结果对于卵巢良性肿瘤及非肿瘤包块、卵巢交界性肿瘤、卵巢恶性肿瘤各诊断模型的AUC值:BP-ANN2>logistic2及BP-ANNl>logisticl,BP-ANN2>BP-ANN1及logistic2>logisticl。BP-ANN2在三种病例类型诊断中AUC值均大于0.9。结论1.人工神经网络联合患者年龄、产次,临床症状(包括腹胀,腹痛,阴道流血,痛经史,绝经情况),4项肿瘤标志(CA125,CA199,HE4,ROMA指数)、盆腔B超下包块的单双侧发生、包块最大径,包块边界是否清晰,包块回声情况(囊性、混合性或实性),有无血流信号、分隔,有无腹水建立的模型对卵巢肿物良性、交界性、恶性的预测准确性优于单独联合肿瘤标志检测,并且对卵巢良性、交界性、恶性肿物均具有较高诊断准确性。2.人工神经网络模型对卵巢良性、交界性、恶性肿物的诊断准确性优于Logistics回归模型,且比logistics回归模型更适用于临床数据的分析。