论文部分内容阅读
目的
通过机器学习算法挖掘常规检验大数据构建结直肠癌（CRC）风险预测模型。
方法收集长海医院2013年1月1日至2019年6月30日结肠镜检查者，收集2010年1月1日至2019年6月30日全院门诊和住院患者，根据肠镜联合病理结果标注或参照ICD-10编码，分别纳入CRC组和非CRC组。采用极限梯度提升（Xgboost）、人工神经网络（ANN）、支持向量机（SVM）、随机森林（RF）4种机器学习算法挖掘入组患者的所有常规检验项目数据，选择模型特征并建立CRC的分类模型。在2019年7月1日至2020年8月31日长海医院所有就诊者对模型效能进行前瞻性验证，并验证模型对<50岁患者及粪隐血阴性患者CRC鉴别能力。
结果采用XgBoost算法构建了包含粪隐血，癌胚抗原、红细胞分布宽度、淋巴细胞计数、白蛋白/球蛋白、高密度脂蛋白胆固醇和乙型肝炎病毒核心抗体7个特征的CRC风险预测模型CRC-Lab7。模型在验证集与前瞻性验证集的曲线下面积（AUC）分别为0.799和0.816，明显高于粪隐血（AUC为0.68和0.706）。CRC-Lab7对50岁以下及粪隐血阴性的CRC也具有较高的诊断准确性（AUC分别为0.84和0.69）。
结论本研究通过挖掘常规检验大数据建立了CRC风险预测模型，模型效能优于粪隐血，且对粪隐血阴性及小于50岁人群的CRC具有较高的诊断准确性。