基于血液活检指标的胃间质瘤智能识别系统

摘要

背景

最常见的间质源性胃肠道肿瘤是胃间质瘤（GSTs），在所有胃肠道间质瘤中发病率最高（60-70%）。然而，简单有效的GST诊断和筛查方法在国内外仍然是一个巨大的挑战。本研究旨在建立一个基于机器学习算法和常规血液、生化和肿瘤标记物指标相结合的GST预警系统。

方法

共从甘肃省四家医院采集了697份完整样本，包括318名GST预处理患者的42项血液指标、180份胃息肉样本和199名健康人。在本研究中，选择了三种算法，梯度提升机（GBM）、随机森林（RF）和逻辑回归（LR）来构建GST预测模型进行比较。使用两种不同的验证技术评估模型的性能和稳定性：5倍交叉验证和外部验证。德隆检验通过比较不同的ROC曲线、AUC值的方差和协方差来评估AUC值中的显著差异。

结果

GBM和RF模型的AUC值均高于LR模型，且差异具有统计学意义(P（P） < 0.05). GBM模型被认为是最佳模型，因为ROC曲线包围了更大的区域，根据公认的模型判别法，轴显示出稳健的模型分类性能。最后，在交叉验证集中，整合8个排名靠前的血液指标，证明能够以0.941、0.807和0.951的曲线下的敏感性、特异性和面积区分GST与胃息肉和健康人。

结论

GBM表现出强大的分类性能，能够快速区分GST患者、胃息肉和健康个体。该识别系统不仅为GST的诊断提供了一种创新策略，而且还可以探索血液参数与GST之间的隐藏关联，以便后续研究GST的预防和疾病监测管理。GST歧视系统可在线免费测试医生和高危人群，网址为https://jzlyc.gsyy.cn/bear/mobile/index.html.

背景

胃间质瘤是一种由胃间质组织引起的消化道恶性肿瘤，发病率低[1]. GST的生物学行为和临床表现为良性到恶性。然而，晚期GST的预后并不乐观，复发的风险很高[2]. 最近的研究表明，GST的发病率每年都在增加[三]. GST的实际发病率可能更高，因为其早期临床症状不明显，并且有被忽视的倾向。

GST的确切病因尚不清楚，但人们普遍认为GST与c-kit（CD117）或血小板衍生生长因子受体α（PDGRFA）基因的功能突变有关[4]. 根治性手术是早期GST的主要治疗方法，是唯一可能的治疗方法[2,5]. 大约60%的早期GST患者可以通过手术治愈[6]. 然而，大约20-30%的GIST在诊断时有远处转移，通常在肝脏和腹部[7]他们的总生存率只有23%[8]. 延误诊断直接导致患者错过最佳治疗方式和时机，从而降低其生存率。很明显，GST的早期诊断对于确定患者的治疗决定和预后至关重要。GST的早期诊断更加困难，缺乏生物标记物和最终诊断只能通过手术或活检取样进行病理检查和基因检测。然而，病理检查需要通过内镜或术中获取病理组织，这具有侵袭性，有肿瘤扩散的风险，对患者来说不太理想，而且更耗时。临床实践中GST的诊断还包括成像技术，如超声内镜、计算机断层扫描（CT）和磁共振成像（MRI）扫描，这些技术可以帮助确定肿瘤的大小、形态和浸润程度。增强腹部CT扫描是目前诊断原发性和转移性GST最常用的方法。该方法有助于监测肿瘤进展和治疗效果，并对肿瘤分期、手术选择和随访有用[9]. 然而，这些扫描对于不同肿瘤类型的参考价值非常有限。误诊率高与各种类型的胃隆起病变、胃息肉和胃癌等可能具有与GST相同症状的疾病有关[10]. 目前，对GST患者仍缺乏一种简单有效的诊断和筛查方法，而恶性肿瘤的早期诊断是决定GST治疗效果和预后的关键。

血清中经常存在几种与肿瘤发生有关的物质；这些指标被广泛用于肿瘤的辅助诊断。迄今为止，胃肠道肿瘤标志物对GST仍没有明确的诊断价值。近年来，随着液体活检概念的不断发展，各种生物标志物在诊断、预后、疾病进展监测和治疗反应预测方面受到了极大的关注[11]. 液体活检旨在通过将这些技术应用于体液（主要是外周血）来确定肿瘤的特征，因为这些活检易于执行，侵入性较小，并且可以重复进行，而不考虑时间和空间的异质性[12].

液体活检主要包括检测外周血循环肿瘤细胞（CTC）、循环肿瘤DNA（ctDNA）和microRNAs（miRNAs）[13,14,15]. 一些研究还表明，肿瘤标志物CEA、CA199和CA724在GIST的检测中可能具有一定的诊断价值[16,17,18].

一些研究已经确定了选定的miRNAs与GIST的相关性[19,20,21,22]. Tong等人使用实时定量RT-PCR检测miRNA，分析了1888个在GIST样本中表达的miRNA，并筛选了6个血清miRNA，用作区分良性和恶性GIST诊断的标志物。经验证，这些标记物检测恶性GIST的敏感性、特异性和AUC分别为97%、67%和0.874。

这表明miRNA可以作为临床标志物来帮助诊断GIST。然而，迄今为止尚未发现对GIST高度特异的miRNAs[23]. 此外，关于ctDNA的相关研究很少，似乎还不可能通过ctDNA检测GIST的诊断效果[24,25]. 虽然这项突破性的技术正在逐渐被证明为癌症检测提供了更全面的信息，但每个个体中生物标志物的浓度和稳定性差异的问题可能会导致不同的敏感性或特异性结果，从而限制液体活检的实际应用。此外，体液生物标记物的低水平限制了液体活检的广泛临床应用[26]测试的高成本也是如此。因此，液体活检要在临床上大规模使用还有很长的路要走。

由于与生物标记物和液体活检相关的各种问题，需要设计一种新颖合理的策略，以准确区分GST与健康人群和胃息肉。本研究旨在构建一个基于机器学习（ML）算法和常规血液、生化和肿瘤标记物检测相结合的肿瘤早期预警系统。据作者所知，这可能是首次使用液体活检结合人工智能对GST早期诊断效果进行详细评估。此外，我们将进一步确认某些血液指标和GST之间的潜在关联，以为病理学和新的候选GST诊断标记物提供新的建议。最终，我们的目标是开发一个能够进行大规模应用和推广的早期GST预警或诊断系统，并具有良好的卫生经济效果。

材料和方法

材料来源

在过去10年中，从甘肃省医院、兰州大学第一医院、兰州第二医院和甘肃省肿瘤医院共采集了697份完整样本。包括318名GST患者（不包括晚期GST）治疗前的血液检测数据，199名健康人和180例胃息肉样本，其中339名男性（48.6%），358名女性（51.4%）。参与者的中位年龄为55岁（范围：18-89岁）。通过组织病理活检或术后病理标本从GST患者诊断时获得阳性样本，而阴性样本则从不少于两名相关领域的专家通过胃镜检查诊断为健康或胃息肉的体检人员中获得。值得注意的是，GIST的早期、中期或晚期没有明确的定义，但当GIST发生远处转移时，它们被视为处于晚期，可能不适合单独手术切除。因此，根据2020年2月发布的国家综合癌症网络（NCCN）软组织肉瘤临床实践指南，我们筛选了无远处转移的GST患者作为早期患者纳入研究[27]. 共收集了四家医院的1352份样本，在排除远处转移的阳性样本后，共有697份数据合格且完整的样本纳入本研究。

从常规血液检测收集的数据中，每个样本有42个特征，包括来自Sysmex XN-1000设备的22个常规血液标记物（HGB、RBC、WBC、NEUT、GR%、LYH#、LY%、PLT、MPV、MONO#、MO%、EOS、EOS%、BASO#、BASO%、RDW-SD、HCT、RDW-CV、MCV、PCT、MCH、MCHC），来自Olympus AU5400和Olympus AU2700设备的12种生化标志物（TP、ALB、GLB、A/G、TBIL、DBIL、IBIL、ALT、AST、AST/ALT、ALP、GGT），以及来自Freedom Evolyzer 200-8设备的8种肿瘤标志物（AFP、CEA、CA125、CA199、PGI、PGII、PGI/PGII、ProGRP）。表中给出了有关数据集的一般信息1，以及患者的详细信息，包括性别、年龄和42项血液测试指标，如表所示1数据收集后，使用一般信息将数据随机分为备用数据，交叉验证集与测试集的比率约为8:2。

表1交叉验证集和外部验证集中的详细分配编号和具体信息

所有程序均经甘肃省医院批准。在对研究进行口头解释后，每位参与者都获得了知情同意，所有过程都得到了甘肃省医院伦理委员会的批准。

机器学习方法

ML是人工智能研究的一个重要分支。ML旨在利用计算机作为工具，通过从数据或以往经验中学习，允许计算机对问题（如分类）做出有效决策，模拟人类的学习行为。ML算法不断自我改进，以实现更好的性能。一个好的预测模型可以用于将现有内容分类为知识结构，从而有效地提高工作效率。在本研究中，选择了三种算法，梯度提升机（GBM）、随机森林（RF）和逻辑回归（LR）来构建GST预测模型进行比较。

验证方法

使用两种不同的验证技术评估模型的性能和稳定性：5倍交叉验证和外部验证。交叉验证是保证算法正确性和模型可靠性的一种常见而有效的技术。交叉验证集的五个非重叠部分中的一个作为测试集，其他四个部分作为训练集。在这个过程中，每个样本被用作测试集五次。与交叉验证集不同，外部验证集仅用于验证模型的性能。决定将数据集划分为5个部分，因为之前使用了大量数据集和不同ML算法的实验表明，5倍分割是获得当前数据集最佳误差估计值的合适选择。无论外部验证集如何，建模过程均基于5倍交叉验证进行。测试集用于评估最终模型的通用性。分类器性能的评估对于获得性能最佳的分类模型至关重要。这需要使用评估标准选择性能更好的分类器。有几种常用的性能评估指标，如敏感性、特异性、准确性、Matthew相关系数和曲线下面积（AUC），可用于综合评估诊断模型的性能。真阳性（TP）、真阴性（TN）、假阳性（FP）和假阴性（FN）是与这些指标相关的四个参数。

$${\rm{Sens=TP/}}\左（{{\rm}TP+FN}}\右）$$

(1)

$${\rm{Spec=TN/}}\left（{{\rm{TN+FP}}\right）$$

(2)

$${\rm{ACC=}}\左（{{\rm{TP+TN}}\right）{\rm}}\left（{{rm{TP+TN+FP+FN}}\right）$$

(3)

$${\rm{MCC=TP\次TN-FP\次FN/}}\sqrt{{\rm{（TP+FP）（TP+FN）（TN+FP$$

(4)

接收机工作特性曲线（ROC）是验证模型准确性的有力工具，使用Sens作为y轴，1Spec作为x轴，形成一个结合灵敏度和特异性的图形。ROC和AUC是目前最流行的诊断性能评估标准，因为它们对类别失衡不敏感，并且不会随着阳性和阴性样本比例的变化而发生显著变化，即使这些差异非常显著。然而，ROC和AUC仅适用于二进制分类问题，不能直接应用于多类别问题。使用ROC曲线来表示分类器在医疗决策中的性能在直觉上很有用，而范围[0,1]内的AUC可以提供评估分类器性能的直观值。一般规律是AUC值越高，分类器的分类效果和性能越好。

梯度提升算法

梯度提升算法是由斯坦福大学教授Jerome Frideman提出的[28]. 它主要是一种基于决策树的集成方法，在不同的标签上训练决策树，然后将它们组合起来。梯度提升机的真正含义包括梯度提升和决策树。首先，GBM在处理回归问题、二分类和多分类时选择的决策树是CART回归树。由于拟拟合到GBM每次迭代的梯度值是连续的，因此使用了回归树。最重要的问题是确定回归树中的最佳分割点，以便分割点具有所有特征的所有期望值。分类树中最佳分割点的标准是熵或基尼系数，这是用纯度来衡量的，但回归树中的样本标签是一个连续值，因此不再适合使用熵等指标来代替平方误差，因为平方误差可以很好地判断拟合程度。如图中GBM模型的流程图所示1此外，为了测试梯度增强算法的优势，我们使用了另外两种算法——随机森林和逻辑回归——同时建立了预测模型，并比较了三种模型的效果。随机森林和逻辑回归在化学计量学和生物信息学中有广泛的应用[29].

随机森林算法

随机森林是一种使用多个决策树并以随机方式构建的分类器。多决策树可以用于训练和测试样本，在训练过程中随机选择特征子集，有效地减少了模型过拟合的发生，增强了模型的泛化能力。输出类由每个决策树的输出类的模式决定。它可以处理具有许多特征的数据，并且这些特征是随机选择的。在分类数据不平衡的情况下，Random Forest可以有效地解决数据集产生的错误，而RF即使丢失了很大一部分特征数据，也可以保持分类精度。

Logistic回归算法

广义线性回归分析或逻辑回归是机器学习中的一种监督学习。它的推导和计算过程与回归过程类似，但实际上，它主要用于解决二进制分类问题。模型由一组给定的n组数据（训练集）训练，在训练结束时，对给定的一组或多组数据（测试集）进行分类。与线性回归不同的是，线性回归模型的输入是待预测样本的特征值，输出是预测值。逻辑回归是一种分类算法，其输出是一种二进制分类。logistic回归通过sigmoid函数将值预测为介于0和1之间的概率值。

图1

GBM建模流程图

结果

性能最佳的GBM诊断预测模型

在构建分类模型时，合理选择特征有助于避免过拟合，并构建一个经济高效的模型。根据最小特征数与所有组合特征具有相同性能的原则，我们通过与GBM关联的特征重要性特征筛选函数筛选了八个最佳特征的组合，如表所示2该特征数据集用于构建GBM、RF和LR预测模型。图2显示了特征过滤相关性的可视化表示，详细说明了不同数量特征组合的评估指标的性能。应用较少且更合适的特征数据来构建准确且易于执行的模型，有助于简化血液检测过程并减少诊断时间，同时又不会影响预测性能。

表2为商品及服务税歧视选择的突出特征

图2

模型性能随训练集顶级指数数量的增加而变化

“特征重要性”是一种被广泛认可的用于评估梯度推进机（GBM）模型中特征重要性的方法，在机器学习研究界受到了极大的关注。这种方法有助于计算模型内每个特征的重要性分数，随后按降序对其进行排序，以建立特征重要性层次结构。在识别胃间质瘤以诊断胃病的背景下，特征重要性可以通过两个主要角度进行评估：分割计数和分割增益。分割计数表示在多次迭代中选择特定特征作为分割标准的频率。较高的分割计数意味着该功能更为重要，因为它在推进过程的多个阶段中在模型的决策过程中起着关键作用。相反，分割增益量化了通过分割特定特征而实现的模型目标函数的增强（例如，平方误差损失的减少）。较大的分割增益意味着更实质性的性能改进，表明该功能的重要性更高。此外，通过特征重要性分析获得的见解对研究人员和医学专业人员来说非常宝贵，有助于识别隐藏的数据模式，并为科学研究和实际应用提供宝贵的指导。因此，该方法被用于在诊断胃病的背景下对胃间质瘤检测特征的重要性进行排序，最终有助于更准确有效的诊断程序。

虽然我们只选择了交叉验证集的前八个特征，但这些模型取得了卓越的预测能力。GBM模型是最佳模型，AUC、敏感性和特异性值分别为0.9511、0.9411和0.8066。

交叉验证性能评估表明，GBM模型对GST患者具有显著的识别能力。为了更全面地评估GBM模型，使用测试集评估其性能。结果仍然很好，如图所示三这表明GBM模型具有很强的泛化能力，对新鲜样本具有很好的适应性。我们还使用RF和LR算法来训练数据，并在这些模型的5倍交叉验证的基础上构建预测模型；然而，结果表明，与GBM模型相比，这些模型的预测性能稍差。GBM、RF和LR模型的AUC值分别为0.9511、0.9435和0.8121。因此，GBM诊断模型是最佳模型，并且具有显著的区分胃间质瘤患者和健康个体的能力。

图3

所建方法在ROC曲线方面的性能。(一)交叉验证集的ROC曲线。(B类)测试集的ROC曲线

GST歧视Web服务器测试方法

在本研究结束时，我们使用GBM模型设计了一个用户友好的在线网站，https://jzlyc.gsyy.cn/bear/mobile/index.html，于2023年5月10日访问，并设置了7个数据（PGI/II值已隐藏）输入框以帮助用户检测GST识别。此外，我们还将该测试系统的程序嵌入到甘肃省医院的微信公众号中，使测试系统更简单，操作更方便。用户只需使用移动设备进入甘肃省医院官方账户界面，即可找到互联网医院界面。您可以看到GIST测试图标，然后单击即可使用。用户只需在检测界面的相应文本框中输入具体的7项血液检测指标，然后点击“提交”按钮，但需要注意输入值的单位，它应该与文本框后面的单位一致。经过计算和分析，我们的模型将在结果页面上显示样本是否属于GST患者以及患病风险水平。网络测试界面和微信官方账号相关界面如图所示4和5需要强调的是，由于不同设备之间可能存在系统差异，该识别系统只能用于评估本工作中使用的特定仪器，不能用于使用众多血液检测设备的数据直接诊断患者。

图4

GST歧视web服务器页面。用户只需提供界面所需的指数，服务器将显示有关样本的可能GST风险水平的结果

图5

微信测试示意图

讨论

初步评估得出结论，GBM和RF模型都具有出色的诊断性能，并且比LR模型更强。然而，三种模型的AUC值相似，仅凭此判断模型性能的差异可能并不准确。因此，使用MedCalc 20.0统计软件对三个模型的AUC值进行DeLong检验。德隆检验通过比较不同的ROC曲线以及AUC值的方差和协方差来评估AUC值中的显著差异。两条ROC曲线的AUC值仅被认为具有统计学意义。P值低于0.05时不同。三种模型的ROC曲线如图所示6.

图6

三种预测模型的ROC曲线

为了验证模型稳定性的可靠性，使用测试集对GBM模型进行了评估。AUC、准确性、敏感性和特异性的结果同样令人满意，分别为0.9663、0.8583、0.9259和0.8030，如图所示三这表明该鉴别系统对新采集的血样具有良好的通用性，可以提供有临床价值的信息，帮助临床医生做出诊断决策。为了进一步评估该方法的通用性，外部验证集完全独立于建模过程。从兰州大学第一医院和甘肃省医院采集新血样。总共采集了49份阳性和48份阴性样本。由于外部验证数据较少，血液检测设备不同，关键特征大量缺失，预测结果不太令人满意。评估显示AUC为0.7806，准确性为0.6804，敏感性为0.8980，特异性为0.4583。然而，结合交叉验证的结果和验证集的性能评估，GBM预测模型似乎仍然有潜力作为临床环境中早期预测GST的简单筛选和诊断工具。

尽管病理活检和组织化学分析长期以来被认为是诊断GST的主要方法，但两者都有缺点。对于罕见、隐匿和危险的肿瘤，如GST，这些缺点可能更加明显。目前，大多数国家都没有卫生服务法，规定每年对40岁以上的人进行胃镜检查，以筛查胃肠道肿瘤，尽管日本也有这样的规定[30]. 因此，各种肿瘤标记物越来越常用于各种类型癌症的筛查和初步诊断。这些标记物在血液中的水平仍然很低，这是它们发育的一个主要问题。

表三显示了当前研究中预测模型与当前常见GST识别方法相比的性能。作为一种无创检测技术，本研究取得的结果令人印象深刻，相比之下，预测模型更方便、快速和高效。我们的研究方法，将ML算法与传统血液检测指标结合使用，揭示了疾病与血液相关指标之间的潜在联系，并实现了卓越而稳健的预测性能。使用KruskaláWallis H检验和多因素独立样本比较的事后分析，我们发现所有三种样本类型中八个选定特征的每一个都存在显著差异（P<0.05）。如图所示7PGI和PGII在GST组的表达显著高于胃息肉组和健康组，而在此之前几乎没有关于胃蛋白酶原表达对GIST影响的相关研究，这是一个有希望的发现。谷胱甘肽组中ALB和TP的表达低于其他两组，这与其他癌症一致，被认为是监测营养状态的相关蛋白。血清CA125在多种肿瘤中升高，在胃肠道恶性肿瘤的诊断中起着关键作用[31]但在GIST的诊断中尚未得到广泛的重视和应用。大量研究证实了中性粒细胞与淋巴细胞比率（NLR）在心血管疾病、感染、炎症疾病和癌症中的相关性[32,33]但尚未有研究指出LYM%或LY和GIST之间的潜在联系，这一点值得注意。

表3我们的解决方案与常用GST歧视技术的性能评估

图7

这三个群体是GST组(一)，胃息肉组(B类)和健康人群(C类)

因此，GBM模型可以为GST的诊断提供有价值的见解。更重要的是，它只利用了少量的临床血液检测数据，不仅简单易用，而且价格低廉。当然，目前的研究也有一些局限性，因为纳入的阴性样本种类较少，这可能导致该模型对其他肿瘤也或多或少具有特异性。因此，在随访中，我们将胃癌和其他胃肠道肿瘤样本纳入阴性样本中进行GIST鉴定，并结合影像学组织学构建综合诊断模型，以进一步提高在广泛疾病中识别GST的准确性。

结论

我们利用人工智能ML算法的优越分类性能，结合患者血液指标，构建了GST诊断预测模型。它揭示了传统血液指标的潜在价值，同时也表明了在临床实践中使用GST识别系统的可行性。有机会在本研究的基础上开发一种新的辅助诊断系统，为临床医生早期筛查和诊断GST提供有价值的见解，以便及时、适当地提供治疗，改善患者预后。例如，在患者需要胃镜检查和组织学检查之前，可以进行初步评估。或者，该预测模型可用于大规模人群的常规体检。这将帮助更多的早期GST患者。