论文部分内容阅读
研究目的采用肺癌预后相关的血浆miRNAs,建立预后预测的数据挖掘模型,对肺癌预后进行精准预测,为制定精准的诊疗方案、提高患者的生存质量提供依据。对象与方法1.研究对象:2016年6月至2017年2月在郑州大学第一附属医院呼吸内科、河南省肿瘤医院胸外科、河南省胸科医院呼吸内科和胸外科初诊的原发性肺癌患者。2.研究方法:采用实时荧光定量PCR法检测人外周血血浆中7种miRNAs(miR-125b、miR-146a、miR-92a、miR-25、miR-195、miR-21 和 miR-204)相对表达水平,并分析这些miRNAs对肺癌患者预后的影响;对肺癌患者的临床指标进行预后分析;对肺癌患者进行预后随访,收集预后生存信息。3.统计学分析:利用SPSS21.0统计软件进行数据分析,生存时间以中位数和四分位数表示;定量资料比较时,不符合正态分布的数据采用Mann-Whitney U检验。采用Kaplan-Meier进行生存率计算,采用log-rank检验,进行单因素生存分析。用COX比例风险回归模型,对单因素分析中有统计学意义的因素进行分析。利用R语言中的rms包绘制Nomogram图,对COX预后模型进行可视化,使用C-index对效果进行评价。运用贝叶斯神经网络(Bayesian Neural Networks,BNN)、人工神经网络(Artificial Neual Networks,ANN)、Fisher 判别分析(Linear Discriminant Analysis,LDA)、决策树(Decision Tree,DT)和支持向量机(Support Vector Machines,SVM)等数据挖掘技术,建立肺癌患者精准化预后预测模型。检验水准α=0.05。所有统计图由AI、R语言和GraphPad Prism 7软件完成。结果1.Kaplan-Meier 单因素生存分析发现 6 个 miRNAs(miR-125b、miR-146a、miR-92a、miR-25、miR-195和miR-21)对肺癌预后有影响,具有统计学意义(log-rank P<0.05)。2.多因素 COX 分析发现 miR-125b(HR=1.063,P=0.018)、miR-146a(HR=1.056,P=0.017)和 miR-195(HR=1.039,P=0.030)是肺癌预后的独立危险因素(P<0.05)。由3个miRNAs建立的危险评分,把肺癌分成高风险和低风险组,低风险组预后生存明显好于高风险组(log-rank P<0.0001)。Nomogram图的C-index=0.843(95%CI:0.78-0.90),说明Nomogram图对肺癌预后的预测能力很好。3.运用数据挖掘方法,建立了 5个肺癌预后预测模型。BNN模型的准确度为65.52%,AUC是0.608,预测效果最差。ANN模型的准确度为68.97%,AUC面积为0.674,预测效果不好。LDA模型的准确度为82.76%,AUC面积为0.828,预测效果一般。C5.0模型预测效果较好,准确度为89.66%,AUC面积为0.900。SVM模型预测效果最好,准确度和AUC面积分别为96.55%和0.971。灵敏度和阴性预测值都达到了 100%。结论1.3个血浆miRNAs(miR-125b、miR-146a和miR-195)是肺癌预后独立危险因素。2.基于血浆miRNAs建立的肺癌预后预测模型中,-SVM模型对肺癌预后预测效果最好。