基于临床病理特征的人工智能胃癌生存预测模型构建及效能验证OACSTPCD

目的探讨联合临床病理特征和人工智能(AI)算法构建的胃癌生存预测模型的效能及临床意义。方法选取2016年6月至2018年5月丽水市人民医院就诊的200例胃癌患者的病理信息,筛选与生存结局高度相关的指标。采用10倍交叉验证法将200例患者以2∶8的比例分为建模队列40例和验证队列160例。与生存结局高度相关的指标采用随机梯度提升(gbm)、广义线性模型(glmnet)、逻辑回归模型(plr)、径向基函数核支持向量机(svmRadial)、贝叶斯模型(naive_bayes)和随机森林模型(ranger)6种AI算法在建模队列中构建胃癌生存预测模型,并在验证队列中验证模型的预测效能。结果200例患者中存活组109例,死亡组91例。肿瘤最大径、淋巴结转移、肿瘤位置、神经浸润和TNM分期在存活组和死亡组的分布差异均有统计学意义(均P<0.05),且与生存结局均相关(均P<0.05)。ROC曲线显示单项指标预测患者生存的AUC均>0.500。综合比较6种算法的多维度考量指标发现,基于svmRadial算法下的5项病理特征组合生存预测模型综合效能最佳,AUC为0.817,灵敏度为0.762,特异度为0.833,准确度为0.795。在验证队列中svmRadial算法下的5项病理特征组合生存预测模型AUC为0.624。结论AI技术能够有效提升5项病理特征联合检测的预测效能,从多维度综合分析患者情况,具有优异的辅助潜能,可为改善胃癌患者的预后管理提供研究思路和理论基础。