Dôkazný model založený úvaha pre diagnostiku lymfatických uzlín u karcinómu žalúdka

Dôkazný model založený úvaha pre diagnostiku lymfatických uzlín u karcinómu žalúdka
abstraktné
pozadia
lymfatických uzlín (LNM) u rakoviny žalúdka je veľmi dôležitým prognostickým faktorom ovplyvňujúcim dlhodobé prežitie. V súčasnej dobe je niekoľko bežné zobrazovacie techniky sú používané na vyhodnotenie stavu lymfatických uzlín. Avšak, nie sú schopné dosiahnuť akú vysokú senzitivitu a špecificitu súčasne. Za účelom vyriešenie tohto zložitého problému, je navrhnuté nové dôkazné úvaha (ER) model založený na podporu diagnózy LNM u karcinómu žalúdka.
Metódy
Existujú 175 po sebe idúcich pacientov, ktorí prešli multidetektorového počítačová tomografia (MDCT) postupne pred operáciou. Osem indikátory, ktoré sú serózna inváziu, triedenie, nádor vylepšenia vzor, ​​hrúbka nádoru, počet lymfatických uzlín, maximálnej veľkosti lymfatických uzlín, uzlín stanice lymfatických a zvýšenie lymfatických uzlín sa používajú na vyhodnotenie nádoru a lymfatické uzliny pomocou CT. Všetky vyššie uvedené indikátory odrážajú biologické správanie rakoviny žalúdka. Model založený ER je konštruovaný tým, že vyššie uvedené ukazovatele ako vstupný index. Výstup index určí, či LNM dochádza u pacientov, ktoré je podľa rozhodnutia chirurgii a histopatológie. Technika s názvom K-fold cross-validation sa používa k výcviku a testovanie nového modelu. Diagnostická schopnosť LNM je hodnotená receiver operating charakteristickými (ROC) krivky. Rádiológ klasifikuje LNM prijatím veľkosti lymfatických uzlín pre porovnanie.
Výsledky
134 z 175 prípadov sú prípady LNM, a pozostatky nie sú. Osem ukazovatele majú štatisticky významný rozdiel medzi pozitívne a negatívne skupiny. Citlivosť, špecificita a AUC modelu ER na báze sú 88.41%, 77.57% a 0,813, v danom poradí. Avšak, pre rádiológa hodnotiace LNM o maximálnej veľkosti lymfatických uzlín, zodpovedajúce hodnoty sú iba 63,4%, 75,6% a 0,757. Z tohto dôvodu navrhovaný model môže získať lepší výkon ako rádiológa. Okrem toho, že navrhovaný model tiež prekonáva iné metódy strojového učenia.
Závery
Podľa informácií biologické správanie rakoviny žalúdka, model ER založený mohli účinne a pred operáciou diagnostikovať LNM.
Kľúčové
rakovina žalúdka lymfy uzlín Dôkazné úvaha pozadí
rakovina žalúdka sa stala jednou z hlavných príčin úmrtí súvisiacich s rakovinou vo svete [1]. Lymfatických uzlín (LNM) je veľmi dôležitý prognostický faktor týkajúci sa dlhodobé prežitie [2]. TNM a byť systém založený na spoločného výboru amerického rakoviny je braný ako hodnotené normy a bol široko prijímaný [3]. Na tejto normy založenej na 5-ročné prežitie pacientov v štádiu N0 po chirurgickom zákroku je 86,1%, zatiaľ čo N1, N2 a N3 pacienti javiskové môžu získať 58,1%, 23,3% a 5,9% v uvedenom poradí [4]. V súčasnej dobe
lekári diagnostikovať LNM empiricky na základe veľkosti lymfatických uzlín, ktoré sa opiera o rôznych zobrazovacích metód, ako je napríklad endoskopické ultrazvuku (EUS), brušné ultrazvuk, multi-slice špirálové počítačová tomografia (CT), magnetická rezonancia (MRI) a pozitrónovej emisnej počítačová tomografia (PET). Avšak, žiadny z uvedených zobrazovacích nástrojov možno získať stav lymfatických uzlín v uspokojivým spôsobom. Medzitým systémová revízie ukazuje, že EUS, MDCT, konvenčné MRI, a FDG-PET nemôžu byť použité na potvrdenie alebo vylúčenie prítomnosti LNM spoľahlivo [2]. Dôvodom je, že veľké lymfatických uzlín môžu byť spôsobené zápalom, zatiaľ čo tie malé, môže byť spôsobené metastáz. Preto jediný veľkosti lymfatických uzlín nie je silným prediktorom. V skutočnosti, mnohé štúdie ukázali, že LNM je vzhľadom k veľkosti tumoru, patologické lymfatické zapojenie, histologických typov a ďalších faktoroch [5-8]. Z tohto dôvodu by mala byť považovaná za metódu, ktorá kombinuje veľkosti lymfatických uzlín s týmito faktormi. Okrem toho niekoľko výskumy [9-11] diskutovali diagnostické možnosti morfologických charakteristík u karcinómu konečníka. Podľa týchto štúdií, morfologické charakteristiky, vrátane hraničnej obrys a intenzitu signálu lymfatických uzlín môžu čiastočne zlepšiť diagnostické schopnosti metastáz. Avšak tieto štúdie sa zameriavajú predovšetkým na MRI zobrazovanie u rakoviny konečníka. U pacientov s rakovinou žalúdka v klinickej praxi, brucho CT je bežnejšie použitý zobrazovacia metóda než MRI vyšetrenie. Z tohto dôvodu sa domnievame, vytvorenie modelu pre diagnostiku LNM s viacerými indikátorov.
Pretože existujú kvalitatívne a kvantitatívne údaje v ôsmich ukazovateľov, metódu, ktorá môže integrovať by mali byť prijaté tieto dva typy dát. Prístup ER bola pôvodne navrhnutá na riešenie mnohých problémov, rozhodovacie analýzy atribútov, ktoré zahŕňajú kvalitatívne aj kvantitatívne atribúty za neistoty [12]. Jadro je algoritmus ER ktorý je vyvinutý na základe teórie rozhodovania a Dempster-Shafer (D-S) Teória dôkazov [13, 14]. Ako ER možné integrovať kvalitatívne informácie a kvantitatívne údaje rozumne, je aplikovaný. Jedným z cieľov uvedených v tomto článku je analyzovať, ktoré ukazovatele sú vztiahnuté k biologickému správaniu rakoviny žalúdka a postaviť matematický model pre posúdenie LNM pred operáciou.
Metódy
Pacienti
v tomto pokuse, získané 175 prípadov CT z Peking University Cancer Hospital & Institute (Peking, Čína P. R.) predstavujú sadu vzorky. Podľa medzinárodnej liečby pokynu rakoviny žalúdka, CT je jedným z najčastejšie používaných kontrol [15]. Avšak, iné metódy, ako je PET a EUS sa používajú ako zvolený posudok. Títo pacienti boli podávané predoperačné Zvýšenie kontrastu brušnej oblasti vyšetrenie CT a dostal gastrektómii od apríla 2006 do septembra 2008. Táto retrospektívna štúdia bol schválený ústavný etickou komisiou (IRB). Oni boli pred operáciou skúmané s MDCT. Všimnite si, že sme získali informovaného súhlasu zo všetkých vybraných pacientov pred rutinným klinickým priebehom CT vyšetrenie. Existujú 125 mužov a 50 žien medzi týmito pacientmi a ich priemerný vek je 59,8 rokov. Podrobnosti sú uvedené v tabuľke 1.Table 1 pacienta charakteristiky
Clinic patologické rysy
hodnota
počet pacientov
175
Priemerný vek (y)
59,8 (30-85)
pomer mužov k ženám
125: 50
histopathology
adenocarcinoma
173 (98,9%)
Dobre diferencovaný
6 (3,4%)
Stredne diferencovaný
91 (52%)
zle diferencované
76 (43,5%)
karcinóm Malobunkový
2 (1,1%)
lymfatických uzlín
Positive
134 (76,6%)
Negatívne
41 (23,4%)
indikátory
Existuje osem ukazovatele, ktoré boli získané dvoma rádiológov, jeden s tri roky a druhý s ôsmich rokov skúseností v oblasti brucha CT. Osem ukazovatele boli merané a počítané manuálne na MDCT obrázkov nasledujúcim spôsobom: (1) serózna invázia: axiálne a MPR snímky sú vyhodnocované pre určenie serózna inváziu súčasne. Celá zhrubnutie steny žalúdka abnormálne zvyšuje lineárne alebo retikulárne štruktúry v tukovej vrstvy obklopujúce žalúdok je uvedené Serózna inváziu [16]
(2) klasifikácia nádoru :. Čoskoro rakovina žalúdka alebo Bormann klasifikáciu pokročilého karcinómu v MPR obrázkov je . potvrdené
(3) na posilnenie nádorov vzorec :. posilnenie nádorov je rozdelená do troch vzorcov v portálnej fáze CT snímok, ktoré sú slizničné posilnenie povrchu, homogénne a heterogénne zvýšenie zvýšenie
(4) hrúbka nádor: maximálna hrúbka nádoru sa meria v axiálnych snímok CT
(5) počet lymfatických uzlín :. počet žalúdočných regionálnych lymfatických uzlín o veľkosti väčšej ako 3 mm MDCT obrazov podľa skupín sa počíta [17]. Vzhľadom k tomu, lymfatické uzliny, ktoré sú menšie ako 3 mm, sú príliš malý, aby boli zreteľné, že sú vynechané
(6) Maximálna veľkosť lymfatických uzlín :. Krátka os najväčší lymfatických uzlín zistené v CT meria
(7) uzol stanice lymfatických :. lymfatických uzlín stanica s MDCT obrazy založené na japonskom klasifikácii karcinómu žalúdka je určené [17]
(8) vylepšenie lymfatických uzlín .: to znamená, že CT útlm hodnota lymfatické uzliny, ktorá je meraná na portáli venóznej fázy CT snímky.
V tomto článku, všetky ukazovatele sú merané ručne. Počet lymfatických uzlín je množstvo lymfatických uzlín okolo žalúdka. Maximálna veľkosť lymfatických uzlín a lymfatických uzlín vylepšenia sa extrahuje z maximálnej lymfatických uzlín. Cieľom je predpovedať, či sa vyskytuje LNM iné ako maximálna uzlina má LNM. Inými slovami, je cieľom predpovedať, či sa vyskytuje LNM pre každého pacienta. Konečný výsledok pre diagnostiku LNM rozhoduje chirurgii a histopatológie. Patologický výsledok môže definitívne potvrdiť, či LNM dôjde alebo nie. Nechceme predpovedať metastáz u každého lymfatických uzlín. Dôvodom je, že korešpondencia one-to-one uzlina je s CT a patológiou závisí na veľmi presné a vynikajúce skúsenosť rádiológa. To je zvyčajne nie je konzistentný adekvátne pre rôzne rádiológov, ktoré môžu ovplyvniť presnosť predikcie matematického modelu. Z tohto dôvodu sme nemali robiť korešpondenciu jedna ku jednej pre každú lymfatických uzlín. Podrobnosti sú uvedené v tabuľke 2.Table 2 Popis osem ukazovatele
údaje o pacientovi
LNM (-)
LNM (+)
Pacient číslo
štyridsať jedna sto sedemdesiat pätiny
134/175 údaje
meranie
hrúbka nádoru (mm)
13,3 ± 14,0
16,6 ± 28,4
Maximálna veľkosť lymfatické uzliny (mm)
6,5 ± 2,8
10,0 ± 5,5
počtu lymfatických uzlín
7 ± 4
12 ± 8
lymfatických uzlín vylepšenia
39,5 ± 58,5
62,5 ± 66,5
Count dát
k posilneniu nádorov vzor
vzor 1
13/175
6/175
vzor 2
26/175
118/175
Pattern 3
2/175
10/175
Serózna inváziu
Áno
15/175
120/175
Nie
26/175
14/175
klasifikácie nádoru
Čoskoro rakovina žalúdka
9/175
1/175
Borrmann Aj
2/175
0/175
Borrmann II
3/175
9/175
Borrmann III
27/175
sto dvadsať jedna sto sedemdesiat pätina
Borrmann IV
0/175
3/175
lymfatických uzlín stanice
stanice 1
29 /175
44/175
Station 2
12/175
54/175
Station 3
0/175
36/175
hodnoty meraných dát bol meraný ručne, a počet dát bol počet dát.
ER model založený
V tomto modeli sme predstavujú každý prípad, ak uplatní kompletný slovník, ktorého prvky sú vzorky školenia. Ak sú k dispozícii dostatočné cvičné vzorky z každej triedy, bude možné reprezentovať skúšobná vzorka.
Predpokladajme, že vzorky školenia sú označené X = {X
1
X
2
, ..., X
p
}
∈ R
MXN
, kde n
je počet vzoriek, školenia a m
je počet ukazovateľov. y
∈ {1,2, ..., p}
je etiketa a p
je index triedy. T = [T
1
, T
2
..., T
m
]
T
označuje skúšobná vzorka. Nadmerné kompletný slovník systémom
sa označuje nasledovne: A
=
A
1
,
1
,
A
1
,
2

...
,
A
1
,
n
A
2
,
1
,
A
2
,
2
,
...
,
A
2
,
n
...
,
...
,
...
,
...
A
m
,
1
,
A
m
,
2
,
...
,
a
m
,
n
(1) Tu
sa skladá zo vzoriek školení a
m, n
predstavuje každý ukazovateľ v cvičné vzorky. Podľa medziach ER, stĺpce A stroje a T
by mali byť normalizované za prvé. Potom každý ukazovateľ T aj
v testovanej vzorke je reprezentovaná so systémom stroje a zodpovedajúce koeficienty w
i
, aj
= 1,2, ..., m
. Potom sme sa využívajú algoritmus ER analytický [13] takto: T
j
=
μ
×
Π
k
=
1
n
ω
k
A
j
,
k
+
1
-
ω
k
Σ
aj
=
1
m
A
i
,
k
-
Π
k
=
1
n
1
-
ω
k
Σ
aj
=
1
m
A
aj
,
k
1
-
μ
×
Π
k
=
1
n
1
-
ω
k
(2) μ
=
[
Σ
j
=
1
m
Π
k
=
1
n
ω
k
A
j
,
k
+
1
-
ω
k
Σ
aj
=
1
m
A
aj
,
k
-
m
-
1
Π
k
=
1
n
1
-
ω
K
Σ
aj
=
1
m
A
i
,
k
]
-
1
(3) Všetky indikátory v T
môže byť zastúpený
a w
i
, aj
= 1,2, ..., m
použitie prístupu ER. Predpokladajme, že ER
predstavuje prístup ER. Preto T
sú zastúpené takto: T
=
ER
A
,
ω
(4), kde ω∈R
n
je koeficient vektora. Je však nie je možné zaručiť optimálne riešenie a namiesto toho nahradiť ju podľa približného riešenia uvedeného v rovnici (5): T
≈
ER
A
,
ω
(5) Vzhľadom na to nový prípad možno dostatočne reprezentované cvičné vzorky z rovnakej triedy, dostaneme predikciu o omega. model
0.948
0.020
0.000
0.908
0.988
ANN
0.798
0.043
0.000
0.713
0.882
SVM Všetci autori čítať a schválená konečná rukopis.

• Polymorfizmy TGFB1 a VEGF génov a prežitia pacientov s rakovinou žalúdka
• Sekvencia genómu Helicobacter suis podporuje jej úlohu v žalúdku pathology