换一批基于PIVKA-Ⅱ、AFP检测和机器学习算法的肝癌诊断预测模型性能分析
Performance analysis of predictive model for diagnosis of hepatocellular carcinoma based on PIVKA-II,AFP detection and machine learning algorithms
摘要目的:探讨基于PIVKA-Ⅱ和AFP检测及机器学习算法的肝癌辅助诊断预测模型建立及诊断应用价值.方法:选取2022 年3 月至2022 年12 月浙江省肿瘤医院健康体检者112 例,肝良性疾病患者149 例,以及初诊为肝癌的患者265 例,评价受试者基线血清异常凝血酶原(PIVKA-Ⅱ)和血清甲胎蛋白(AFP)水平,结合机器学习算法构建辅助诊断预测模型,比较不同模型在肝癌中的诊断价值.结果:血清PIVKA-Ⅱ和AFP在肝癌组患者中的水平最高,与肝癌患者肿瘤的大小、数量、分化程度等临床特征相关.以年龄、性别、PIVKA-Ⅱ和AFP水平为特征,借助梯度提升机(GBM)算法构建的肝癌辅助诊断预测模型在诊断肝癌、早期肝癌、晚期肝癌和AFP阴性肝癌的性能均优于PIVKA-Ⅱ、AFP单项及ASAP模型.结论:以年龄、性别、PIVKA-Ⅱ和AFP水平为特征,借助GBM算法构建的肝癌辅助诊断预测模型提高了肝癌的诊断准确率.
更多相关知识
关键词
肝癌PIVKA-ⅡAFP梯度提升机算法诊断价值hepatocellular carcinomaPIVKA-IIalpha-fetoproteingradient boosting machinediagnostic value
分类号
R735.7（消化系肿瘤）
栏目名称
DOI
10.3969/j.issn.1005-0264.2024.009.002
发布时间
2024-09-30（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
