论文部分内容阅读
第一部分:列线图预测肝癌伴门静脉癌栓患者根治术后生存期和无瘤生存期目的:肝细胞癌(Hepatocellular Carcinoma,HCC)伴门静脉癌栓(portal vein tumor thrombus,PVTT)患者的预后较差,临床预测其根治术后总生存率(Overall Survival,OS)和无瘤生存率(Rate of Free Survival,RFS)的精度较低,效能较差。列线图(Nomogram)基于多元回归所得的独立相关危险因素,具有较高的预测能力。本部分研究旨在建立肝癌伴PVTT患者根治术后总1年、3年、5年生存率(OS)和1年、3年、5年无瘤生存率(RFS)相关的Nomogram,并与传统的分期系统(TNM,JIS,CLIP)比较其预测精度,通过ROC曲线和决策分析曲线(Decision Curve Analysis,DCA)与TNM(AJCC 8TH)分期比较预测效能。材料与方法:1.临床病理资料:回顾性分析2001年1月至2013年12月海军军医大学东方肝胆外科医院行根治性手术的777名HCC伴PVTT患者的临床病理资料。搜集患者临床病理特征,术后随访无瘤生存时间、总生存时间。2.构建Nomogram:Kaplan-Meier法分析探讨影响患者术后OS和RFS的危险因素。Cox回归分析确定影响患者术后OS和RFS的独立相关危险因素。使用R软件构建Nomogram,计算其C-index并与传统的分期系统(TNM,JIS,CLIP)比较预测精度,使用ROC曲线下面积和DCA 比较Nomogram与TNM(AJCC 8TH)分期的预测效能。3.统计学方法:计量资料正态分布数据的表示采用(?)±S,非正态分布数据的表示采用中位数(全距)。计量资料正态分布两组间比较采用t检验,非正态分布数据采用Mann-Whitney U检验。正态分布的多组计量数据间比较采用方差分析,多组非正态分布数据间比较采用Mann-Whitney U检验。χ2检验应用于两组计数资料间的比较。采用双侧检验,P<0.05认为有统计学差异。统计学运算采用SPSS软件(IBM version 22.0,NY)。结果:1.OS的独立相关危险因素为性别、术前TBIL、术前ALT、术前AST、术前AFP、肿瘤横径、癌栓类型、淋巴结转移;2.RFS的独立相关危险因素为性别、术前TBIL、术前AST、术前AFP、肿瘤横径、癌栓类型、淋巴结转移;3.1、3、5 年 OS Nomogram 的 C-index 分别是 0.78(95%CI,0.73 to 0.82),0.69(95%CI,0.63 to 0.72)和 0.66(95%CI,0.57 to 0.68),高于第八版的 AJCC 分期(0.65;95%CI,0.62 to 0.71;1 年 OS P<0.05),CLIP 分期(0.63;95%CI,0.60 to 0.69;1、3 年OS P<0.05),JIS 分期(0.62;95%CI,0.59 to 0.68;1、3 年 OS P<0.05)。4.1、3、5 年 RFS Nomogram 的 C-index 分别是 0.76(95%CI,0.72 to 0.81),0.68(95%CI,0.62 to 0.75),0.66(95%CI,0.61 to 0.71),高于第八版的 AJCC 分期(0.61;95%CI,0.65 to 0.68;1、3、5 年 RFS P<0.05),CLIP 分期(0.65;95%CI,0.61 to 0.72;1、3 年 RFS P<0.05),JIS分期(0.65;95%CI,0.59 to 0.72;1、3年RFSP<0.05)。5.1、3、5 年 OS 的 DCA 中分别取 0.3<P<0.8、P≥0.4、P≥0.3 时,列线图预测合并PVTT的HCC患者外科干预后总生存率模型的预测能力高于TNM(AJCC 8TH)分期。6.1、3、5 年 RFS 的 DCA 分别取 0.2<P<0.65、P>0.67、0.27<P<0.8 时,在预测合并PVTT的HCC患者外科干预后无瘤生存率上,列线图预测模型的预测能力高于TNM(AJCC 8TH)分期结论:本研究确定的PVTT患者的Nomogram在预测OS和RFS中精度在一定情况下优于TNM(AJCC 8TH)分期,JIS分期和CLIP分期,预测效能在一定区间下优于TNM(AJCC 8TH)分期。具有临床参考价值。第二部分:建立QPSO-SVM模型预测肝癌伴门静脉癌栓患者根治术后生存期和无瘤生存期目的:量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)等人工智能优化算法在于解决预测肝癌(Hepatocellular Carcinoma,HCC)伴门静脉癌栓(portal vein tumor thrombus,PVTT)患者的预后相关支持向量机(Support vector machine,SVM)参数选择问题上具有优势,Fisher Score能较好地剔除QPSO的冗余特征,本部分研究旨在基于Fisher Score建立与PVTT患者根治术后总1年、3年、5年生存率(Overall Survival,OS)和 1 年、3 年、5 年无瘤生存率(Rate of Free Survival,RFS)相关预测模型,并验证其预测能力。材料与方法:1.临床病理资料:回顾性分析2001年1月至2013年12月海军军医大学东方肝胆外科医院行根治性手术的777名HCC伴PVTT患者的临床病理资料。搜集患者临床病理特征,术后随访无瘤生存时间、总生存时间。2.使用Fisher Score评分方法来评估数据集的每个特征的重要性。然后初步构建训练集模型和测试集模型,分别基于PSO、QPSO、GA的SVM十折交叉参数寻优,以获取各算法的最优参数,最后用新样本来检验新模型的预测能力。结果:1.在预测术后1年整体生存期上,QPSO-SVM模型获得71.36%的准确率,60.90%的精确率,11.40%的召回率,F1 值为 0.19。经 Fisher Score 后,QPSO-SVM模型的准确率,精确率,召回率和F1上分别提高了 0.14,0.11,0.03和0.012。QPSO-SVM模型在准确率、召回率和这两个评价指标上优于遗传算法。(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO);2.在预测术后3年整体生存期上,QPSO-SVM模型获得96.08%的准确率,77.84%的精确率,27.08%的召回率,F1 值为 0.40。经 Fisher Score 后,QPSO-SVM模型在准确率,召回率和F1值上分别提高了 0.17,0.08和0.06,而精确率下降0.04。QPSO-SVM模型在准确率、召回率、F1值和这三个评价指标上优于遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO);3.在预测术后5年整体生存期上,QPSO-SVM模型获得71.36%的准确率,60.90%的精确率,11.40%的召回率,F1 值为 0.19。经 Fisher Score 后,QPSO-SVM模型的准确率,精确率,召回率和F1上分别提高了 0.16、0.10、0.02和0.03。QPSO-SVM模型在精确率、召回率、F1值和这三个评价指标上优于遗传算法。(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO);4.在预测术后1年无瘤生存期上,QPSO-SVM模型获得71.36%的准确率,61.00%的精确率,11.40%的召回率,F1 值为 0.19。经 Fisher Score 后,QPSO-SVM模型在准确率,精确率上分别提高了 0.10、0.11,在召回率和F1值上分别下降了 0.002、0.0018。QPSO-SVM模型在准确率、精确率这两个评价指标上优于遗传算法。(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO);5.在预测术后3年无瘤生存期上,QPSO-SVM模型获得90.19%的准确率,84.89.00%的精确率,22.15%的召回率,F1 值为 0.35。经 Fisher Score 后,QPSO-SVM模型在准确率,精确率、召回率和F1值上分别提高了 0.08、0.05、0.0016、0.02。QPSO-SVM模型在准确率、精确率、召回率、F1值这四个评价指标上优于遗传算法。(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO);6.在预测术后5年无瘤生存期上,QPSO-SVM模型获得97.68%的准确率,79.40.00%的精确率,24.43%的召回率,F1 值为 0.37。经 Fisher Score 后,QPSO-SVM模型在准确率,精确率、召回率和F1值上分别提高了 011、0.06、0.002、0.03。QPSO-SVM模型在准确率、精确率、召回率、F1值这四个评价指标上优于遗传算法。(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)。结论:本研究确定的基于Fisher Score筛选建立的QPSO-SVM模型可有效预测合并PVTT的HCC患者手术切除后1年OS、3年OS、5年OS和1年RFS、3年RFS、5年RFS,具有临床应用价值。第三部分:列线图联用QPSO-SVM模型预测肝癌伴门静脉癌栓患者生存期和无瘤生存期目的:比较列线图与QPSO-SVM模型二者优劣性,通过分析二者适用范围,判断方法能够灵活使用两种模型的界限,以获得更好的患者生存期和无瘤生存期预测准确性。本部分以此为目的,基于前述建立的两种模型,通过受试者工作特征曲线、决策曲线分析判断两者优劣以及临床应用中的具体使用条件范围。材料与方法:1.临床病理资料:同第二部分。2.模型建立:列线图建立方法同第一部分,QPSO-SVM模型建立同第二部分。3.模型比较与联用:通过受试者工作特征曲线(ROC)比较两模型曲线下面积并以此判断差异性。通过决策曲线分析(DCA)比较并判断列线图与QPSO-SVM净收益率与联用分界条件。结果:1.在预测术后1年总生存期上,列线图与QPSO-SVM模型在ROC曲线无统计学差异;而DCA结果显示以Pt值=0.31为界,低于此值时列线图预测净收益率高于QPSO-SVM,反之QPSO-SVM优于列线图。在术后1年无瘤生存期上,列线图与QPSO-SVM模型在ROC曲线无统计学差异;DCA结果显示已Pt值=0.29为界,低于此值时列线图预测净收益率高于QPSO-SVM,反之QPSO-SVM优于列线图。2.在预测术后3年总生存期上,列线图与QPSO-SVM模型在ROC曲线无统计学差异;DCA结果显示列线图预测净收益率始终低于QPSO-SVM。在术后3年无瘤生存期上,列线图与QPSO-SVM模型在ROC曲线无统计学差异;DCA结果显示Pt值介于0.56-0.60时,列线图预测净收益率高于QPSO-SVM,反之QPSO-SVM优于列线图3.在预测术后5年总生存期上,列线图与QPSO-SVM模型在ROC曲线存在差异(p=0.0226);而DCA结果显示以Pt值=0.42为界,低于此值时列线图预测净收益率高于QPSO-SVM,反之QPSO-SVM优于列线图。在术后5年无瘤生存期上,列线图与QPSO-SVM模型在ROC曲线无统计学差异;DCA结果显示列线图预测净收益率始终低于QPSO-SVM。结论:本研究确定ROC曲线比较,QPSO-SVM模型预测效果始终不会差于列线图,通过DCA比较,列线图与QPSO-SVM均有各自的优势区间,二者结合运用可更有效预测合并PVTT的HCC患者手术切除后1年OS、3年OS、5年OS和1年RFS、3年RFS、5年RFS,具有临床应用价值。