常规检验大数据在胃癌早期诊断中的应用

目的:评估非特异性检验指标组成的预测模型在胃癌早期诊断中的可行性。方法:从上海长海医院的电子病案系统数据库中，共纳入2010年1月1日至2019年4月30日的24 615例病例记录，包括10 497例胃癌，5 198例胃癌前疾病， 和8 920名健康体检。通过分层随机抽样，将研究人群分为验证集、训练集和测试集。对所有实验室变量进行数据处理和质量控制后，通过梯度增强决策树、随机森林、支持向量机和人工神经元网络这4种机器学习算法，选择随机森林作为最优机器学习算法和诊断效能分组，使用后向逐步回归法训练数据，构建最佳特征模型采用受试者工作特征（ROC）曲线评价模型的诊断效能。结果:本研究建立了由22个常规检验项目组成的诊断模型V22， 诊断早期胃癌的ROC曲线下面积（AUC）为0.808，敏感度为85.7%；特异度为91.9%。对癌胚抗原（CEA）阴性胃癌，V22也显示出较高的诊断准确率0.813，AUC为0.801。结论:V22是一个有临床应用价值的胃癌辅助诊断模型，可以很好的区分早期胃癌和由健康组和癌前疾病组成的对照组，对早期胃癌的检出率优于传统的肿瘤标志物CEA。