应用LASSO交叉验证算法筛选临床实验室指标并构建结直肠癌风险预测模型

目的建立结直肠癌风险预测模型用于结直肠癌的辅助诊断。方法依据纳入与排除标准,收集结直肠癌患者99例和健康人对照受试者1464例的血常规、血清生化和血清肿瘤标志物的结果。将数据集分为训练集和验证集,70%数据用于训练构建模型,30%数据用于验证模型。利用LASSO交叉验证算法筛选指标建立风险预测模型,绘制ROC曲线评估诊断效能。结果比较健康人对照和结直肠癌患者手术前检查的血常规、血清生化和肿瘤标志物结果,统计分析发现中性粒细胞百分比(NEU%)、淋巴细胞百分比(LYM%)、单核细胞百分比(MON%)、嗜碱性粒细胞百分比(BAS%)、中性粒细胞计数(NEU)、淋巴细胞计数(LYM)、嗜碱性粒细胞计数(BAS)、平均红细胞血红蛋白浓度(MCHC)、平均血小板体积(MPV)、血小板分布宽度(PDW)、大型血小板比率(P.LCR)、尿素(Urea)、肌酐(Cr)、尿酸(UA)、钾(K)、钠(Na)、钙(Ca)、磷(P)、镁(Mg)、三酰甘油(TG)、高密度脂蛋白胆固醇(HDL-C)、总胆红素(T-Bil)、直接胆红素(D-Bil)、总蛋白(TP)、清蛋白(Alb)、清球比(A/G)、γ-谷氨酰转肽酶(GGT)、碱性磷酸酶(ALP)、淀粉酶(AMS)、天冬氨酸氨基转移酶(AST)、糖化清蛋白比例(GA%)、糖化清蛋白(GA)、清蛋白2(Alb2)、癌胚抗原(CEA)、糖链抗原125(CA125)、糖链抗原CA15-3、糖链抗原19-9(CA19-9)和甲胎蛋白(AFP)在结直肠癌和健康人对照组间的差异有统计学意义(P<0.05)。相关性分析结果显示,WBC、PCT、BAS、RBC和MCH水平之间,以及D-Bil、K和Mg之间呈正相关。血清Na与P、Alb2、Urea、Glu呈负相关,同样血清Cl与AG、BAS和Mg水平之间也呈负相关。利用LASSO交叉验证算法筛选确定LYM、P.LCR、HDL、Alb2、CEA和AFP 6个特征参数入选,回归系数分别为0.42、-0.025、0.071、0.4、-0.19和-0.071,将此模型命名为M6。ROC曲线评估M6模型诊断效能,结果显示训练集中诊断模型的AUC^(ROC)、敏感性和特异性分别为0.92、85.92%和86.23%,诊断效能高于常规结直肠癌标志物。验证集的AUC^(ROC)、敏感性和特异性分别为0.92、85.71%和90.68%,诊断效能与训练集一致(P=0.98)。采用验证集评估训练集模型效果,错分误差为0.053,能够较好地鉴别结直肠癌。结论采用LASSO交叉验证算法建立的M6风险预测模型可显著提高结直肠癌诊断效能。