基于BRAF基因构建穿刺结果不明确的甲状腺结节诊断模型

摘要：

目的 利用甲状腺结节常用的筛查指标构建甲状腺恶性结节的判定模型.方法 收集穿刺结果不明确的细胞非典型性病变或滤泡性病变(AUS/FLUS)甲状腺结节筛查患者82例,均行BRAF基因检测并手术治疗,按5:3比例分为训练数据集50例与测试数据集32例,使用LASSO与随机森林算法筛选出与分类精度相关的指标,最后根据筛选后的指标构建KNN分类器,并使用ROC曲线分析评估模型的性能.结果 BRAF基因检测的灵敏度为71.7％(43/60),特异度为72.7％(16/22),阳性预测值为87.8％(43/49),阴性预测值为48.5％(16/33).在随机森林算法中,BRAF基因结果、结节回声、结节形态、结节边界这4项变量对分类器的性能最为重要,最终使用以上4种变量构建了KNN分类器,在K=18时分类器的错误率最低.KNN分类器模型的A4UC为0.842,优于单项指标构建的KNN分类器,同时该分类器的敏感度为91.8％,特异度为84.9％.结论 使用BRAF基因、结节回声、结节形态、结节边界构建的分类器可进一步提高穿刺结果为AUS/FLUS类别的甲状腺癌的检出率.

关键词：甲状腺结节;恶性诊断模型;BRAF突变

所属期刊栏目：33

分类号：R581(内分泌腺疾病及代谢病)

资助基金：浙江省医药卫生科技计划项目;浙江省医药卫生科技计划项目

在线出版日期：2021-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1061-1063