10.11748/bjmy.issn.1006-1703.2023.05.005
基于极限梯度提升算法的前列腺增生与前列腺癌鉴别诊断
目的 利用机器学习方法构建前列腺增生与前列腺癌的鉴别诊断模型,辅助临床医生进行穿刺术决策.方法 利用中国人民解放军总医院第一医学中心 2009 年至 2018 年的前列腺增生与前列腺癌住院患者基本信息、既往史、临床信息等数据,分别利用Logistic回归和极限梯度(XGBoost)方法构建鉴别诊断模型,并利用灵敏度、特异性、准确率、AUC值和 ROC曲线评估模型效果.结果 Logistic回归和XGBoost方法构建的模型性能与单因素tPSA(P＜0.001)、fPSA(P＜0.001)、f/tPSA(P＜0.001)分析差异均具有统计学意义.利用前列腺体积、f/tPSA、tPSA、fPSA、尿白细胞、无机磷等 15 个重要变量构建XGBoost模型,得到测试集的灵敏度、特异性、准确率、AUC值分别为 0.835、0.815、0.826、0.903.结论 多因素 XGBoost模型较单因素(f/tPSA、tPSA、fPSA)预测模型和Logistic回归模型更优,具有更好的鉴别诊断能力,且对 tPSA为 4～10ng/mL的患者也具有一定的鉴别能力.
前列腺增生、前列腺癌、XGBoost模型、PSA
30
R697+.32(泌尿科学（泌尿生殖系疾病）)
国家重点研发计划;国家重点研发计划
2023-08-16（万方平台首次上网日期，不代表论文的发表时间）
共7页
741-747
