张晶晶 , 刘晓雯 , 王少波 , 周戴 , 张赛 , 刘让蛟 , 陈梅卫 , 肖亚玲
目的 探讨基于人乳头瘤病毒(human papillomavirus,HPV)分型数据的机器学习模型预测宫颈病变风险的可行性。方法 本研究收集分析长沙市妇幼保健院于2023年完成的宫颈癌和乳腺癌免费检查妇女的23种HPV基因型分型和宫颈病变数据,包括19 707例宫颈细胞学(thinPrep cytologic testing,TCT)、8 922例阴道镜结果和4 572例宫颈活检结果,分别针对以上各种病变结果作为目标值进行多种机器学习算法训练,构建预测不同级别病变风险的模型,筛选预测各种宫颈癌前病变的最佳模型。结果 ①基于TCT病变检测结果,预测宫颈低级别鳞状上皮内病变(low-grade squamous intraepithelial lesions,LSIL)的多层感知机模型性能最佳,训练集曲线下面积(area under the curve,AUC)为0.658,测试集AUC为0.666;预测宫颈高级别鳞状上皮内病变(high-grade squamous intraepithelial lesions,HSIL)的随机森林模型性能最佳,训练集AUC为0.821,测试集AUC为0.714。②基于阴道镜病变检测结果,预测高(低)级别病变的逻辑回归模型性能最优,训练集AUC为0.696(0.661),测试集AUC为0.690(0.637)。③基于宫颈活检病变检测结果,预测宫颈上皮内瘤变1级(cervical intraepithelial neoplasia grade 1,CIN1)的最近邻算法模型性能最优,训练集AUC为0.706,测试集AUC为0.551;预测宫颈上皮内瘤变2/3级(cervical intraepithelial neoplasia grade 2/3,CIN2/CIN3)的多层感知机模型性能最优,训练集AUC为0.699,测试集AUC为0.667;预测恶性肿瘤的逻辑回归模型性能最优,训练集AUC为0.713,测试集AUC为0.850。结论 多层感知机和逻辑回归等机器学习方法预测宫颈病变具有一定的可行性,值得临床推广。