基于临床检验指标建立肺腺癌患者浸润程度判别模型

目的·利用肿瘤标志物、凝血功能指标、血常规指标与生化指标等临床易得检验指标,建立非小细胞肺腺癌患者浸润程度的多因素判别模型.方法·回顾性选取2022年上海交通大学医学院附属胸科医院收治的肺腺癌患者,通过多因素Logistic回归分析筛选预测肺腺癌患者浸润程度的独立影响因素并建立回归模型,同时引入人工智能算法构建判别模型,采用受试者工作特征曲线下面积(area under curve,AUC)评价模型对肺腺癌患者浸润程度的判别能力.结果·共纳入肺腺癌患者202例,分为浸润前病变组(59例)以及浸润性病变组(143例).多因素Logistic回归分析结果显示,尿素、嗜碱性粒细胞百分比、白蛋白浓度是预测肺腺癌患者浸润程度的独立影响因素(均P<0.05).预测模型表达式为P=eX/(1+eX),其中X=(0.534×尿素浓度)+(1.527×嗜碱性粒细胞百分比)-(1.916×白蛋白浓度)+6.373.机器学习结果显示,纳入尿素、纤维蛋白原、白蛋白浓度、嗜碱性粒细胞百分比、前白蛋白、癌胚抗原(carcino embryonic antigen,CEA)6个指标时模型判别性能最佳.通过DeLong检验比较8种机器学习算法(分别基于岭回归、最小绝对收缩和选择算子、神经网络、随机森林、k近邻、支持向量机、决策树和自适应增强算法)的判别性能,选择AUC最高的岭回归算法,预测模型AUC为0.744(95%CI 0.656～0.832),敏感度为70.8%,特异度为70.2%.结论·使用尿素、纤维蛋白原、白蛋白浓度、嗜碱性粒细胞百分比、前白蛋白、CEA这6个指标建立综合判别模型,可有效预测肺腺癌患者肿瘤浸润程度,有望为临床肺腺癌分级判别和辅助治疗提供更精确的指导.