梅丹，塞林；克莉丝汀·巴内特。；Brian T·丹顿。；詹姆斯·蒙蒂。；大卫·C·米勒。 OR实践数据分析用于最佳检测转移性前列腺癌。 （英语） Zbl 1472.90129 操作。物件。 69，第3期，774-794（2021）. 摘要：我们使用数据分析方法来开发、校准和验证预测模型，以帮助泌尿科医生在全州范围内的大型协作中根据患者的风险因素做出前列腺癌分期决策。利用基于自举和样本外数据评估的统计方法对模型进行了验证。这些模型用于设计指南，以最佳权衡放射成像检测转移性前列腺癌的利弊。密歇根州泌尿外科改善协作组织是一家全州性的医疗协作组织，该组织实施了这些指南，预计将减少40%以上的不必要成像，并将转移性疾病漏诊患者的比例限制在1%以下。指导方针的效果在实施后进行了测量，以确认其对减少密歇根州不必要成像的影响。 MSC公司： 90立方 非线性规划 90 C90 数学规划的应用 关键词：医疗保健；前列腺癌的影像学分期；半监督学习；阶级不平衡问题；成本敏感型学习；验证偏差 软件：LBFGS-B型；SMOTE公司；不平衡学习 PDF格式BibTeX公司 XML格式引用 \textit{S.Merdan}等人，Oper。第69号决议，第3号，774--794（2021年；Zbl 1472.90129） 全文： 内政部 参考文献： [1] 美国癌症协会（2019a）前列腺癌关键统计数据。2019年11月1日访问，https://www.cancer.org/cancer/prostate-cancer/about/key-statistics.html.谷歌学者 [2] 美国癌症协会（2019b）前列腺癌分期和其他风险评估方法。2019年11月1日访问，https://www.cancer.org/cancer/prostate-cancer/detection-diagnosis-staging/staging.html谷歌学者 [3] Batista GE、Prati RC、Monard MC（2004）关于平衡机器学习训练数据的几种方法行为的研究。ACM公司SIGKDD探索新闻稿6（1）：20-29.Crossref，谷歌学者·doi:10.145/1007730.1007735 [4] Begg CB（1987）诊断试验评估中的偏差。统计师。医学6（4）:411-423.Crosref，谷歌学者·doi:10.1002/sim.4780060402 [5] Begg CB，Greenes RA（1983）疾病验证受到选择偏差影响时的诊断测试评估。生物计量学39（1）：207-215.Crossref，谷歌学者·doi:10.2307/2530820 [6] Belkin M、Niyogi P、Sindhwani V（2006）《流形正则化：从标记和未标记示例学习的几何框架》。J.机器学习。物件。7:2399-2434.谷歌学者·Zbl 1222.68144号 [7] Bleeker S，Moll H，Steyerberg E，Donders A，Derksen-Lubsen G，Grobee D，Moons K（2003）预测研究中需要外部验证：一个临床示例。J.临床流行病学56（9）：826-832.Crossref，谷歌学者·doi:10.1016/S0895-4356（03）00207-5 [8] Breiman L（2001）《随机森林》。机器学习。45（1）:5-32.Crossref，谷歌学者·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [9] Briganti A、Passoni N、Ferrari M、Capitanio U、Suardi N、Gallina A、Da Pozzo LF等（2010）何时对新诊断的前列腺癌患者进行骨骼扫描：当前可用指南的外部验证和新型风险分层工具的提议。欧洲泌尿学57（4）:551-558.Crossref，谷歌学者·doi:10.1016/j.eururo.2009.12.023 [10] Broder M、Gutierrez B、Cherepanov D、Linhares Y（2015），前列腺癌骨骼相关事件的负担：疼痛改善方面的未满足需求。支持。癌症护理23（1）：237-247.Crossref，谷歌学者·doi:10.1007/s00520-014-2437-3 [11] Byrd RH，Lu P，Nocedal J，Zhu C（1995）边界约束优化的有限内存算法。SIAM J.科学。计算。16（5）：1190-1208.谷歌学者交叉引用·Zbl 0836.65080号 ·doi:10.1137/0916069 [12] 癌症。Net（2019）前列腺癌：分期和分级。2019年11月1日访问，https://www.cancer.net/cancer-types/prostate-cancer/stages-and-grades.谷歌学者 [13] Carroll P、Albertsen PC、Greene K、Babaian RJ、Ballentine Carter H、Gann PH、Han M等。（2013）前列腺癌治疗前分期和治疗后管理的PSA检测。2019年11月1日访问，https://www.auanet.org/guidelines/前列腺特异性抗原-（2009年至2013年）。谷歌学者 [14] Chapelle O，Schlkopf B，Zien A（2010年）半监督学习第1版（麻省理工学院出版社，马萨诸塞州剑桥）。谷歌学者 [15] Chawla NV、Japkowicz N、Kotcz A（2004）编辑：关于从不平衡数据集学习的特刊。ACM公司SIGKDD探索新闻稿6（1）：1-6.Crossref，谷歌学者·数字对象标识代码：10.1145/1007730.1007733 [16] Chawla NV、Bowyer KW、Hall LO、Kegelmeyer WP（2002）SMOTE：合成少数过采样技术。J.人工智能研究。16（1）：321-357.Crossref，谷歌学者·兹比尔0994.68128 ·doi:10.1613/jair.953 [17] Cox DR（1958）二元回归模型的两个进一步应用。生物特征45（3/4）:562-565.谷歌学者（Google Scholar）交叉引用·Zbl 0085.13715号 ·doi:10.2307/2333203 [18] Cruz JA，Wishart DS（2006），机器学习在癌症预测和预后中的应用。癌症信息学2:59-77.谷歌学者Crossref·doi:10.1177/117693510600200030 [19] Dennis JE Jr，MoréJJ（1977）《准纽顿方法、动机和理论》。SIAM版本。19（1）：46-89。Crossref，谷歌学者·Zbl 0356.65041号 ·doi:10.1137/1019005 [20] Domingos P（1999）Metacost:使分类器具有成本敏感性的一般方法。程序。第五届ACM SIGKDD国际。Conf.Knowledge Discovery Data Mining（纽约计算机械协会），155-164.谷歌学者 [21] Efron B，Tibshirani R（1997）《交叉验证的改进：632+引导法》。J.Amer。统计师。协会。92（438）：548-560.谷歌学者·Zbl 0887.62044号 [22] Efron B，Tibshirani RJ（1994）引导程序简介（佛罗里达州博卡拉顿CRC出版社）。Crossref，谷歌学者·doi:10.1201/9780429246593 [23] Elkan C（2001）《成本敏感学习的基础》。程序。第17届国际。联合Conf.Artificial Intelligence，vol.2，（Morgan Kaufmann Publishers Inc，San Francisco），973-978。谷歌学者 [24] Evgeniou T、Pontil M、Poggio T（2000）正则化网络和支持向量机。高级计算。数学。13（1）：1-50.谷歌学者交叉引用·Zbl 0939.68098号 ·doi:10.1023/A:1018946025316 [25] Friedman J，Hastie T，Tibshirani R（2000）《加性逻辑回归：增长的统计观点》。安。统计师。28（2）:337-407.Crosref，谷歌学者·兹比尔1106.62323 ·doi:10.1214/aos/1016218223 [26] Friedman J、Hastie T、Tibshirani R（2001）统计学学习的要素，第1卷（Springer，纽约）。谷歌学者·Zbl 0973.62007号 [27] Fuchsjäger M、Shukla-Dave A、Akin O、Barentsz J、Hricak H（2008）前列腺癌成像。放射学报49（1）：107-120。交叉引用，谷歌学者·doi:10.1080/02841850701545821 [28] Greiner R、Grove AJ、Roth D（2002）《学习成本敏感型主动分类器》。人工智能139（2）：137-174.Crossref，谷歌学者·Zbl 1506.68094号 ·doi:10.1016/S0004-3702（02）00209-6 [29] Han H，Wang WY，Mao BH（2005）边界-SMOTE：非平衡数据集学习中的一种新的过采样方法。黄德胜，张世平，黄国平主编，Proc。ICIC，第3644卷（柏林斯普林格），878-887。谷歌学者 [30] Harrell F、Lee KL、Mark DB（1996）《多变量预测模型：开发模型、评估假设和充分性以及测量和减少误差方面的问题》。统计师。医学15（4）:361-387.Crossref，谷歌学者·doi:10.1002/（SICI）1097-0258（19960229）15:4<361:：AID-SIM168>3.0.CO；2-4 [31] Hart P（1968）凝聚最近邻规则。IEEE传输。通知。理论14（3）:515-516.Crossref，谷歌学者·doi:10.1109/TIT.1968.1054155 [32] He H，Garcia EA（2009）从不平衡数据中学习。IEEE传输。知识数据工程21（9）：1263-1284.谷歌学者 [33] Heidenreich A、Bastian PJ、Bellmunt J、Bolla M、Joniau S、van der Kwast T、Mason M、Matveev V、Wiegel T、Zattoni F、Mottet N（2014）欧洲泌尿科协会前列腺癌指南。第二部分：晚期、复发性和去势耐受性前列腺癌的治疗。欧洲泌尿学65（2）:467-479.Crossref，谷歌学者·doi:10.1016/j.eururo.2013.11.002 [34] Hricak H、Choyke PL、Eberhardt SC、Leibel SA、Scardino PT（2007）《前列腺癌成像：多学科视角》。放射科243（1）：28-53.Crossref，谷歌学者·doi:10.1148/radiol.2431030580 [35] 徐CW，Chang CC，Lin CJ（2003）《支持向量分类实用指南》。技术报告，国立台湾大学计算机科学系，台湾台北。谷歌学者 [36] Hurley P、Montie J、Dhir A、Gao Y、Drabik B、Lim K、Curry J等（2016）减少新诊断前列腺癌男性低值成像使用的全州干预措施。泌尿学杂志195（4）:591-592谷歌学者 [37] Kim L，Min M，Roos D，Nguyen L，Yeoh E（2015），分期研究在低风险和中等风险前列腺癌患者中是否被过度使用？医学影像放射肿瘤学杂志59（1）:77-81.Crossref，谷歌学者·doi:10.111/1754-9485.12234 [38] Kimeldorf G，Wahba G（1971）关于切比雪夫样条函数的一些结果。数学杂志。分析。申请。33（1）：82-95.Crossref，谷歌学者·Zbl 0201.39702号 ·doi:10.1016/0022-247X（71）90184-3 [39] Kosinski AS，Barnhart HX（2003）《诊断试验评估中不容忽视的验证偏差的解释》。生物计量学59（1）：163-171.谷歌学者Crossref·Zbl 1210.62175号 ·doi:10.111/1541-0420.00019 [40] Kourou K、Exarchos TP、Exarcos KP、Karamouzis MV、Fotiadis DI（2015）《机器学习在癌症预后和预测中的应用》。计算。结构生物技术。J。13:8-17.Crossref，谷歌学者·doi:10.1016/j.csbj.2014.11.005 [41] Laurikkala J（2001）通过平衡阶级分布来改进对困难小阶级的识别。Quaglini S、Barahona P、Andreassen S编辑。程序。第八届国际人工智能医学大会欧洲：人工智能医学（斯普林格·弗拉格，柏林，海德堡），63-66，Crossref，谷歌学者·Zbl 0986.68817号 ·doi:10.1007/3-540-48229-69 [42] Lavery HJ、Brajtbord JS、Levinson AW、Nabizada-Pace F、Pollard ME、Samadi DB（2011）低风险前列腺癌分期中不必要的影像学检查很常见。泌尿科77（2）：274-278.Crossref，谷歌学者·doi:10.1016/j.urology.2010.07.491 [43] Lemaêtre G、Nogueira F、Aridas CK（2017）《不平衡学习：Python工具箱》，用于解决机器学习中不平衡数据集的诅咒。J.机器学习。物件。18（17）：1-5.谷歌学者 [44] 李毅，郭JTY，周志华（2010）成本敏感半监督支持向量机。程序。国家。Conf.人工智能，第1卷（美国人工智能协会出版社，加利福尼亚州帕洛阿尔托），500-505。谷歌学者 [45] Lin EC（2010）医学成像的辐射风险。梅奥诊所程序。85（12）：1142-1146.谷歌学者交叉引用·doi:10.4065/mcp.2010.0260 [46] Little RJ（1988）一种针对缺失值的多元数据的完全随机缺失测试。J.Amer。统计师。协会。83（404）：1198-1202.谷歌学者（Google Scholar）Crossref·doi:10.1080/01621459.1988.10478722 [47] Liu A，Jun G，Ghosh J（2009）空间成本敏感型主动学习。程序。SIAM国际。Conf.数据挖掘（费城工业和应用数学学会），814-825.谷歌学者 [48] 刘XY，周志华（2006）班级不平衡对成本敏感学习的影响：一项实证研究。第六国际。Conf.数据挖掘（电气与电子工程师学会，新泽西州皮斯卡塔韦），970-974.谷歌学者 [49] Maalouf M，Trafalis TB，Adrianto I（2011）使用截断牛顿方法的核逻辑回归。计算。管理科学。8（4）：415-428.Crossref，谷歌学者·Zbl 1225.62102号 ·doi:10.1007/s10287-010-0128-1 [50] Maloof MA（2003）学习何时数据集不平衡，何时成本不相等且未知。国际。Conf.机器学习研讨会学习。不平衡数据集II，第2卷，谷歌学者 [51] Marginantu DD（2005）《积极的成本敏感学习》。国际。联合会议，《人工智能》，第5卷，1622-1623。谷歌学者 [52] Masnadi-Shirazi H，Vasconcelos N（2010），风险最小化，概率引出和成本敏感SVM。程序。第27届国际。Conf.机器学习。，759-766.谷歌学者 [53] McCarthy K，Zabar B，Weiss G（2005），成本敏感型学习在分类稀有类时是否优于抽样？程序。第一国际。基于实用工具的数据挖掘研讨会（纽约计算机协会），69-77谷歌学者 [54] Merdan S、Womble PR、Miller DC、Barnett C、Ye Z、Linsell SM、Montie JE、Denton BT（2014）《在患有早期前列腺癌的男性中更好地使用骨骼扫描》。泌尿科84（4）：793-798.Crossref，谷歌学者·doi:10.1016/j.urology.2014.06.010 [55] Miller ME、Langefeld CD、Tierney WM、Hui SL、McDonald CJ（1993）《概率预测的验证》。医学决策13（1）：49-57.Crossref，谷歌学者·doi:10.1177/0272989X9301300107 [56] Mottet N、Bellmunt J、Briers E、Van den Bergh RC、Bolla M、Van Casteren NJ、Cornford P、Culine S、Joniau S、Lam T、Mason MD（2014）《前列腺癌指南》。欧洲泌尿学65（1）：124-137.谷歌学者 [57] 国家综合癌症网络（2012）前列腺癌早期检测（第2版）。2012). 2012年12月1日访问，https://www.nccn.org/professionals/fecian_gls/#detection.谷歌学者 [58] 佩佩理学硕士（2003）医学检验分类预测的统计评价（英国牛津大学出版社）。谷歌学者·Zbl 1039.62105号 [59] Pockett R、Castellano D、McEwan P、Oglassy A、Barber B、Chung K（2010）西班牙乳腺癌、肺癌或前列腺癌患者与骨转移和骨骼相关事件相关的医院疾病负担。《欧洲癌症护理杂志》（Eur.J.Cancer Care）（英语）19（6）：755-760.谷歌学者交叉引用·doi:10.1111/j.1365-2354.2009.01135.x [60] Prasad KN，Cole WC，Hasse GM（2004），人类低剂量电离辐射的健康风险：综述。实验。生物医药229（5）：378-382.Crossref，谷歌学者·doi:10.1177/1553537020422900505 [61] Prasad SM，Gu X，Lipsitz SR，Nguyen PL，Hu JC（2012）美国新诊断前列腺癌男性患者放射成像应用不当。癌症118（5）：1260-1267.谷歌学者交叉引用·doi:10.1002/cncr.26416 [62] Qi Z，Tian Y，Shi Y，Yu X（2013）用于半监督学习的成本敏感支持向量机。计算机程序。科学。18:1684-1689.谷歌学者Crossref·doi:10.1016/j.procs.2013.05.336 [63] Qin Z，Zhang S，Liu L，Wang T（2008）使用CS-EM.第八代IEEE Internat的成本敏感半监督分类。Conf.计算。通知。理工学院（新泽西州皮斯卡塔韦电气和电子工程师学院），131-136谷歌学者 [64] Risko R、Merdan S、Womble PR、Barnett C、Ye Z、Linsell SM、Montie JE、Miller DC、Denton BT（2014）《前列腺癌男性分期CT扫描的临床预测因素和建议》。泌尿科84（6）：1329-1334.Crossref，谷歌学者·doi:10.1016/j.urology.2014.07.051 [65] Sanda MG、Chen RC、Crispino T、Freedland S、Nelson M、Reston J、Rodrigues G、Sandler HM、Taplin ME、Cadeddu JA（2017）《临床局限性前列腺癌：AUA/ASTRO/SUO指南》。风险6:27.谷歌学者 [66] 夏皮雷（2003）机器学习的促进方法：概述。Denison DD，Hansen MH，Holmes CC，Mallick B，Yu B，eds.非线性估计和分类（纽约斯普林格），149-171。谷歌学者·Zbl 1142.62372号 [67] Sindhwani V，Niyogi P，Belkin M，Keerthi S（2005）《大规模半监督学习的线性流形正则化》。程序。第22届ICML研讨会学习部分分类培训数据，第28卷（纽约计算机协会），80-83.谷歌学者 [68] Smith-Bindman R、Lipson J、Marcus R、Kim KP、Mahesh M、Gould R、De González AB、Miglioretti DL（2009）与普通计算机断层扫描检查相关的辐射剂量和相关的终身致癌风险。架构（architecture）。内科169（22）：2078-2086.Crossref，谷歌学者·doi:10.1001/archinternmed.2009.427 [69] Steyerberg EW、Bleeker SE、Moll HA、Grobee DE、Moons KG（2003）预测模型的内部和外部验证：小样本中偏差和精度的模拟研究。J.临床流行病学56（5）:441-447.Crossref，谷歌学者·doi:10.1016/S0895-4356（03）00047-7 [70] Steyerberg EW、Harrell FE Jr、Borsboom GJ、Eijkemans M、Vergouwe Y、Habbema JDF（2001）预测模型的内部验证：逻辑回归分析某些程序的效率。J.临床流行病学54（8）：774-781.Crossref，谷歌学者·doi:10.1016/S0895-4356（01）00341-9 [71] Sun Y，Kamel MS，Wong AK，Wang Y（2007）非平衡数据分类的成本敏感增强。模式识别40（12）:3358-3378.Crossref，谷歌学者·Zbl 1122.68505号 ·doi:10.1016/j.patcog.2007.04.009 [72] Thompson I、Thrasher J、Aus G、Burnett A、Canby-Hagino E、Cookson M、D'Amico A等（2007）《临床局限性前列腺癌管理指南：2007年更新》。泌尿学杂志177（6）：2106-2131.谷歌学者交叉引用·doi:10.1016/j.juro.2007.03.003 [73] Ting KM（2002）诱导成本敏感树木的实例加权方法。IEEE传输。知识数据工程。14（3）：659-665。交叉引用，谷歌学者·doi:10.1109/TKDE.2002.1000348 [74] Tokan F，Türker N，Yáldírím T（2006）ROC分析是人工神经网络性能评估的有用工具。Kollias S，Stafylopatis A，Duch W，Oja E，eds.人工神经网络，计算机科学讲义，第4132卷（柏林斯普林格），923-931.谷歌学者 [75] Tombal B，Lecouvet F（2012）前列腺癌骨转移的现代检测：骨扫描时代结束了吗？高级泌尿外科2012:893193.Crossref，谷歌学者·doi:10.1155/2012/893193 [76] Tomek I（1976）CNN的两次修改。IEEE传输。系统人控制论SMC-6（11）：769-772.Crossref，谷歌学者·Zbl 0341.68066号 ·doi:10.1109/TSMC.1976.4309452 [77] Vapnik V（2013）统计学习理论的本质（纽约州施普林格）。谷歌学者 [78] Veropoulos K，Campbell C，Cristianini N（1999）控制支持向量机的灵敏度。程序。国际。人工智能联合会议（Morgan Kaufmann Publishers，旧金山），55-60.谷歌学者 [79] Von Luxburg U（2007）光谱聚类教程。统计师。计算.17（4）：395-416.Crossref，谷歌学者·数字对象标识代码：10.1007/s11222-007-9033-z [80] Weiss GM（2004）《稀有采矿：统一框架》，ACMSIGKDD探索新闻稿6（1）:7-19.Crossref，谷歌学者·数字对象标识代码：10.1145/1007730.1007734 [81] Wilson DL（1972）使用编辑数据的最近邻规则的渐近性质。IEEE传输。系统人控制论2（3）:408-421.Crossref，谷歌学者·Zbl 0276.62060号 ·doi:10.1109/TSMC.1972.4309137 [82] Yong C，Onukwugha E，Mullins CD（2014）前列腺癌骨转移和骨相关事件的临床和经济负担。当前观点肿瘤学26（3）：274-283.Crossref，谷歌学者·doi:10.1097/CCO.000000000071 [83] Zhou XH（1998）校正诊断测试准确性研究中的验证偏差。统计师。方法医学研究。7（4）：337-353.Crossref，谷歌学者·doi:10.1177/096228029800700403 [84] Zhou XH，McClish DK，Obuchowski NA（2009年）诊断医学中的统计学方法第569卷。（约翰·威利父子公司，新泽西州霍博肯）。谷歌学者 [85] 周志华，李明（2010）《分歧半监督学习》。知识通知。系统24（3）：415-439.Crossref，谷歌学者·doi:10.1007/s10115-009-0209-z [86] Zhou ZH，Liu XY（2006）用解决班级不平衡问题的方法训练成本敏感型神经网络。IEEE传输。知识数据工程.18（1）：63-77.Crossref，谷歌学者·doi:10.1109/TKDE.2006.17 [87] Zhu J，Hastie T（2005）核逻辑回归与进口向量机。J.计算。图形统计。14（1）：185-205.Crossref，谷歌学者·doi:10.1198/106186005X25619 [88] 朱X（2007）半监督学习文献调查。技术报告，计算机科学，威斯康星大学麦迪逊分校，麦迪逊。谷歌学者 [89] Zhu X，Goldberg AB（2009）《半监督学习导论：人工智能和机器学习综合讲座》（Morgan&Claypool，Williston，VT）。谷歌学者·Zbl 1209.68435号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。