基于人工神经网络的结直肠癌预测模型研究

[目的]筛选结直肠癌危险因素,建立人工神经网络(artificial neural network,ANN)模型,为筛查人群风险分层与优化筛查方案提供科学依据,提高筛查成本效果.[方法] 2012年上海市闵行区163 240名50～80岁社区居民参加结直肠癌筛查.初筛采用调查表、粪便隐血试验(FOBT)和肛门指检,阳性者进一步做结肠镜和病理检查,诊断有无结直肠癌,同肿瘤登记链接补充筛查后2年内结直肠癌诊断信息.采用单因素和多因素分析筛选变量,研究对象按1:1的比例随机分为训练集和验证集,分别用于建立和验证ANN模型.采用灵敏度、特异性、ROC曲线下面积(AUC)等指标评价模型.[结果] 163 240名研究对象中新确诊结直肠癌病例363例.多因素Logistic回归筛选出年龄、性别、便秘、里急后重、血便、进行性消瘦与FOBT阳性7个变量作为ANN输入变量,其中,血便(20.8％)、年龄(18 1％)和FOBT阳性(17 1％)对结直肠癌的影响最大.训练集和验证集灵敏度分别为65 93％(95％CI:58 78％～72 43％)、60 22％(95％CI:52 95％～67 07％),特异性分别为62 07％(95％CI:61 74％～62 40％)、61 92％(95％CI:61 59％～62 26％),AUC分别为0 68(95％CI:0 64～0 72)、0 67(95％CI:0 63～0 70),验证集符合率为61 92％(95％CI:61 59％～62 26％),模型内部验证效果较好.[结论]本研究所建结直肠癌ANN预测模型总体区分度较好、诊断价值较高,但有待进一步优化和外部验证以提高其预测准确性和泛化能力.