Page 80 - 南京医科大学自然版
P. 80
第44卷第7期
·964 · 南 京 医 科 大 学 学 报 2024年7月
A
0 10 20 30 40 50 60 70 80 90 100
Point
Age
85 75 65 55 45 35 25 15
NIC
3.5 3.0 2.5 2.0 1.5 1.0 0.5 0 -0.5 -1.0 -1.5 -2.0
Radscore
-3.0 -2.5-2.0-1.5-1.0 -0.5 0 0.5 1.0 1.5 2.0 2.5
Total point
0 20 40 60 80 100 120 140 160 180
0.2 0.40.60.8
Diagnostic possibility
0.1 0.3 0.5 0.7 0.9
B C
Nomo 1.0
0.6 All
None
0.8
Net benefit 0.4 Actual probability 0.6
0.2
0.4
0.2
0 Ideal
Apparent
0 0.2 0.4 0.6 0.8 1.0 0 Bias⁃corrected
Threshold probability 0 0.2 0.4 0.6 0.8 1.0
Predicted probability
1∶100 1∶4 2∶3 3∶2 4∶1 100∶1
Cost∶Benefit B=500 repetitions,boot Mean absolute error=0.102,n=43
A:A nomogram was constructed for the training set,incorporating Radscore,NIC,and age. B:Decision curve analysis(DCA)for the validation set.
The horizontal axis represents the threshold probability,while the vertical axis indicates net benefit. The red line depicts the assumption of all cases
being malignant;the green line represents the assumption of all cases being benign. The DCA of the validation set reveals that when the threshold
exceeds 20%,predictions made using the nomogram offer better clinical benefits. C:The calibration curve for validation set was obtained through 500
bootstrap resampling. The 45° line represents ideal performance,and a closer proximity between the two curves indicates higher precision. The absolute
error of the validation set was 0.102.
图4 列线图(A)、校准曲线(B)与决策曲线(C)分析
Figure 4 The nomogram(A),DCA(B),and the calibration(C)curves
误差,其引入了正则化算法,有效提高了鲁棒性的 同设备的数据,需进一步扩大数据量以增强模型的
同时降低了过拟合 [24] ,在处理大规模数据和异常值 性能和泛化能力;第三,即便采用了ICC以增加结果
等情况下表现出很好的实用价值。为了更加直观 的可重复性,但由于CT增强后甲状腺肿瘤边缘的模
和便于临床应用,本研究通过 SHAP 值排列了模型 糊现象不可避免,会对图像的手动分割准确度造成
中各个特征的重要性,并纳入了NIC、Radscore 与年 一定影响。
龄这3个特征建立了列线图,通过决策曲线分析,发 综上所述,本研究通过 XGBoost 算法整合了
现列线图对临床决策有明显的净效益,能够指引临 DSCT参数、临床因素及影像组学特征的ML模型及
床医生做出更加精确的判断。 列线图,该模型可以无创地预测甲状腺结节的良恶
本研究存在一些局限性:首先,回顾性的研究 性,为临床决策提供直观且可靠的参考。
和较小的样本量使得结果存在一定偏倚;其次,在 [参考文献]
提升预测效能方面,尽管比较了多种 ML 算法的表
[1] ARAQUE D V P,BLEYER A,BRITO J P. Thyroid can⁃
现,但研究设备仅限于 DSCT,缺少来自多中心及不 cer in adolescents and young adults[J]. Future Oncol,