目的探讨logistic回归和随机森林模型对直径5~20 mm磨玻璃结节型肺腺癌浸润性的诊断效能。方法回顾性分析2020年1月—2023年12月在惠州市第三人民医院和惠州市中心人民医院接受胸腔镜手术的肺腺癌患者236例,分为非浸润组(AIS组,81例)和...目的探讨logistic回归和随机森林模型对直径5~20 mm磨玻璃结节型肺腺癌浸润性的诊断效能。方法回顾性分析2020年1月—2023年12月在惠州市第三人民医院和惠州市中心人民医院接受胸腔镜手术的肺腺癌患者236例,分为非浸润组(AIS组,81例)和浸润组(MIA+IAC组,155例),并按照7∶3的比例随机分为训练组和测试组。人工智能软件工作站自动识别、标记目标磨玻璃结节,行特征量化分析。利用logistic回归和随机森林各自建立预测模型,通过对比两种算法在受试者工作特征曲线下的面积、准确度、灵敏度、特异度、阳性预测率、阴性预测率、约登指数、校准曲线以及临床决策曲线等指标,评估这两种模型的诊断性能。结果单因素logistic回归分析显示,非浸润组与浸润组比较,13个变量差异有统计学(P<0.05),实性成分占比肺脉癌风险最高(OR:422.995)。多因素logistic模型筛选出CT最大值和偏度为预测肺腺癌浸润性的独立预测因子(AUC:0.795),而随机森林模型基于CT标准差、CT最大值、结节实性成分占比和峰度等参数表现更优(AUC:0.820)。随机森林在准确度(0.785 vs 0.738)、阴性预测值及校准性能(Brier分数:0.127 vs 0.186)上优于logistic模型,后者则在灵敏度(0.761 vs 0.625)和F1分数(0.805 vs 0.682)更佳。两模型均具备良好的临床适用性。结论Logistic回归和随机森林模型都能有效预测5~20 mm、结节实性成分≤50%的磨玻璃密度肺腺癌的浸润性。其中随机森林模型的表现优于logistic回归模型,具备较好的分类能力和校准度,在医学影像分析领域展现出潜在优势。展开更多
文摘目的探讨logistic回归和随机森林模型对直径5~20 mm磨玻璃结节型肺腺癌浸润性的诊断效能。方法回顾性分析2020年1月—2023年12月在惠州市第三人民医院和惠州市中心人民医院接受胸腔镜手术的肺腺癌患者236例,分为非浸润组(AIS组,81例)和浸润组(MIA+IAC组,155例),并按照7∶3的比例随机分为训练组和测试组。人工智能软件工作站自动识别、标记目标磨玻璃结节,行特征量化分析。利用logistic回归和随机森林各自建立预测模型,通过对比两种算法在受试者工作特征曲线下的面积、准确度、灵敏度、特异度、阳性预测率、阴性预测率、约登指数、校准曲线以及临床决策曲线等指标,评估这两种模型的诊断性能。结果单因素logistic回归分析显示,非浸润组与浸润组比较,13个变量差异有统计学(P<0.05),实性成分占比肺脉癌风险最高(OR:422.995)。多因素logistic模型筛选出CT最大值和偏度为预测肺腺癌浸润性的独立预测因子(AUC:0.795),而随机森林模型基于CT标准差、CT最大值、结节实性成分占比和峰度等参数表现更优(AUC:0.820)。随机森林在准确度(0.785 vs 0.738)、阴性预测值及校准性能(Brier分数:0.127 vs 0.186)上优于logistic模型,后者则在灵敏度(0.761 vs 0.625)和F1分数(0.805 vs 0.682)更佳。两模型均具备良好的临床适用性。结论Logistic回归和随机森林模型都能有效预测5~20 mm、结节实性成分≤50%的磨玻璃密度肺腺癌的浸润性。其中随机森林模型的表现优于logistic回归模型,具备较好的分类能力和校准度,在医学影像分析领域展现出潜在优势。
