基于人工智能的合并慢性淋巴细胞性甲状腺炎的甲状腺乳头状癌颈中央区淋巴结转移的早期预测系统构建.pdf

中国科技期刊数据库医药

基于人工智能的合并慢性淋巴细胞性甲状腺炎的甲状腺

乳头状癌颈中央区淋巴结转移的早期预测系统构建

陈宏

重庆工贸职业技术学院，重庆408000

摘要：目的探讨同时合并有慢性淋巴细胞性甲状腺炎（CLT）的甲状腺乳头状癌（papillarythyroidcarcinoma，

PTC）患者，产生颈中央区淋巴结转移（CLNM）危险成因，以人工智能为基础进行预测系统的构建。方法以回顾

性分析的形式，对2022年1月-2023年1月内，在医院进行治疗同时以病理确诊为PTC合并CLT的患者214例。

以logistic回归分析模型形式，对CLNM的危险因素进行筛选，进行三种模型的建立，即CatBoostRegressor算

法、“ExtremeGradientBoosting模型”、LightGBM算法。结果训练组、测试组除年龄比较外，其余值P＞0.05；

数据判定，年龄差异、肿瘤直径、病灶数量、腺外侵犯是合并CLT的PTC患者出现CLNM的关键预测要素；

CatBoostRegressor模型ROC曲线AUC值、准确度、敏感性、特异度评定更为良好。结论通过机器学习为基础，

建构三种预测模型中，CatBoostRegressor性能更良好，经CLT合并PTC中的预测价值显著。

关键词：甲状腺；癌症；人工智能；预测模型

中图分类号：R736

当前对PTC病症分析，属于分化型甲状腺癌的一函数的外侧区域后，进行整体最优区间计算，进而以

[1]

种类型，临床发病率较高，目前虽然PCT具有较为良对目标函数降低、模型复杂性衡量。

[5]

好的预后价值，但是依然可能存在复发的趋势进一步LightGBM模型：以常规梯度提升结果为基础，

造成侵袭性癌症的发生，同时淋巴结转移也是复发的同时融入梯度单侧的采样技术以及独立性的特征合并

[2]

关键因素。淋巴结转移干预甲状腺的切除区间、区域技术，前一部分可大内容的剔除小梯度，仅仅留下的

淋巴结的清扫区间，进一步建立了手术治疗方式。同结果完成信息增益，防止低梯度的长尾内容有所影响。

[6]

时CLNM疾病多产生于进行TNM分期验证在更晚期的CatBoost模型：应用对称树，依据调节类别型

PTC患者中，转移率最高可达到65.00%，中央区淋巴的特征以及预测偏移处理方法，进一步通过拟合性的

结的解剖区域对手术前超声、其余影像学检查结果有问题进行规划，作为小样本数据的应用。

[3]

所影响。基于此，本文分析人工智能下早期系统预测1.3统计学分析

价值。214例患者经随机抽取原则，以70.00%作为训练

1资料和方法集，其余30.00%的比例作为测试集。依据SPSS21.0

软件完成实验数据的处理。应用回归模型的分析形式

1.1基本资料

筛选危险要素，建构三种模型。

以回顾性分析模式，对2022年1月-2023年1月

内，在医院进行治疗同时以病理确诊为PTC合并CLT