目的通过分析结直肠进展性腺瘤(AA)发生的危险因素,构建预测结直肠AA发生风险的列线图模型。方法回顾性收集2017年1月至2020年12月在南京医科大学第一附属医院行首次结肠镜检查并病理证实为结直肠息肉的患者临床资料,将整个队列随机分...目的通过分析结直肠进展性腺瘤(AA)发生的危险因素,构建预测结直肠AA发生风险的列线图模型。方法回顾性收集2017年1月至2020年12月在南京医科大学第一附属医院行首次结肠镜检查并病理证实为结直肠息肉的患者临床资料,将整个队列随机分成训练集和验证集(7∶3)。通过单因素和多因素logistic回归分析结直肠AA发生的危险因素,并基于以上因素构建列线图模型。运用验证集进行模型内部验证,通过受试者工作特征(ROC)曲线下面积(AUC)评价模型的区分度,Calibration校准曲线评估模型预测概率与实际结果的一致性,决策分析曲线(DCA)评估模型的临床有效性。结果共有1 936例结直肠息肉患者纳入分析,其中1 356例患者纳入训练集(男840例、女516例),580例患者纳入验证集(男379例、女201例),年龄分别为(57.4±9.8)和(57.6±9.7)岁;其中无AA患者1 502例(77.6%)、有AA患者434例[22.4%,其中1~9 mm 73例(16.8%)、>9~<20 mm 271例(62.5%)、≥20 mm 90例(20.7%)]。回归分析发现,年龄[OR=1.018,95%可置信区间(CI):1.003~1.033]、脂肪肝(OR=1.870,95%CI:1.274~2.744)、低密度脂蛋白(LDL)(OR=1.378,95%CI:1.159~1.637)、粪便隐血试验(FOBT)(OR=2.597,95%CI:1.857~3.631)、息肉部位[近端(OR=2.869,95%CI:1.727~4.764)、远端(OR=2.791,95%CI:1.721~4.527)]与结直肠AA发生有关。该模型的AUC在训练集和验证集分别为0.664(95%CI:0.630~0.698)、0.640(95%CI:0.587~0.693),Calibration校准曲线表明预测和实际风险一致性良好,Hosmer-Lemeshow(H-L)检验P值在训练集和验证集分别为0.830、0.150,DCA表明该列线图具有临床应用价值。结论基于年龄、脂肪肝、LDL、FOBT、息肉部位这5个预测因素构建的列线图模型有助于预测结直肠息肉患者发生AA的风险,从而实现针对高危人群进行结直肠癌精准分层筛查策略。展开更多
文摘目的探讨基于人工智能(artificial intelligence,AI)建立的辅助诊断模型在内镜窄带成像(narrow-band imaging,NBI)模式下对结直肠平坦型病变的诊断价值。方法回顾性收集2016年1月至2023年8月于南京医科大学第一附属医院内镜中心行肠镜检查并诊断为结直肠平坦型病变的患者的内镜图片共计1568张。根据肠镜检查时使用的光源,将筛选后的图像分为白光组、NBI组和混合数据(白光与NBI)组。这些组中均设有训练集,用于辅助诊断模型的建立。验证集用于调整参数。测试集用于评估模型的各项性能,包括:准确率、灵敏度、特异度、曲线下面积(Area Under the Curve,AUC)等。以病理组织学诊断为金标准,记录下基于人工智能的辅助诊断模型在不同光源下对结直肠平坦型病变的内镜诊断结果与病理诊断结果的对比分析。结果该模型在白光下对结直肠平坦型病变的诊断准确率、灵敏度、特异度、AUC为:78.67%、84.47%、68.75%、0.77(95%CI 0.72-0.81);在NBI下诊断病变的准确率、灵敏度、特异度、AUC为:83.94%、86.15%、81.94%、0.84(95%CI 0.78-0.90)。混合数据集中,模型准确率、灵敏度、特异度、AUC为:78.88%、77.11%、81.03%、0.79(95%CI 0.76-0.83)。结论人工智能模型在窄带成像光源下诊断结直肠平坦型病变的准确率、灵敏度、特异度、AUC均高于普通白光,有着较高的诊断价值。
文摘目的通过分析结直肠进展性腺瘤(AA)发生的危险因素,构建预测结直肠AA发生风险的列线图模型。方法回顾性收集2017年1月至2020年12月在南京医科大学第一附属医院行首次结肠镜检查并病理证实为结直肠息肉的患者临床资料,将整个队列随机分成训练集和验证集(7∶3)。通过单因素和多因素logistic回归分析结直肠AA发生的危险因素,并基于以上因素构建列线图模型。运用验证集进行模型内部验证,通过受试者工作特征(ROC)曲线下面积(AUC)评价模型的区分度,Calibration校准曲线评估模型预测概率与实际结果的一致性,决策分析曲线(DCA)评估模型的临床有效性。结果共有1 936例结直肠息肉患者纳入分析,其中1 356例患者纳入训练集(男840例、女516例),580例患者纳入验证集(男379例、女201例),年龄分别为(57.4±9.8)和(57.6±9.7)岁;其中无AA患者1 502例(77.6%)、有AA患者434例[22.4%,其中1~9 mm 73例(16.8%)、>9~<20 mm 271例(62.5%)、≥20 mm 90例(20.7%)]。回归分析发现,年龄[OR=1.018,95%可置信区间(CI):1.003~1.033]、脂肪肝(OR=1.870,95%CI:1.274~2.744)、低密度脂蛋白(LDL)(OR=1.378,95%CI:1.159~1.637)、粪便隐血试验(FOBT)(OR=2.597,95%CI:1.857~3.631)、息肉部位[近端(OR=2.869,95%CI:1.727~4.764)、远端(OR=2.791,95%CI:1.721~4.527)]与结直肠AA发生有关。该模型的AUC在训练集和验证集分别为0.664(95%CI:0.630~0.698)、0.640(95%CI:0.587~0.693),Calibration校准曲线表明预测和实际风险一致性良好,Hosmer-Lemeshow(H-L)检验P值在训练集和验证集分别为0.830、0.150,DCA表明该列线图具有临床应用价值。结论基于年龄、脂肪肝、LDL、FOBT、息肉部位这5个预测因素构建的列线图模型有助于预测结直肠息肉患者发生AA的风险,从而实现针对高危人群进行结直肠癌精准分层筛查策略。
