目的:建立可预测Ⅱ~Ⅲ期胃癌患者淋巴结转移的神经网络模型，并探讨其预测价值。方法:病例纳入标准：（1）经病理确诊为Ⅱ~Ⅲ期（第8版AJCC分期）胃腺癌；（2）术前胸片、腹部超声及上腹部CT等检查无肝、肺、腹腔等远处转移；（3）行R 0切除。病例排除标准：（1）术前接受过新辅助化疗或放疗；（2）一般临床资料不完整；（3）残胃癌。回顾性收集2010年1月至2014年8月期间在福建医科大学附属协和医院胃外科接受根治性切除术的1 231例Ⅱ~Ⅲ期胃癌患者的临床病理资料。全组共1 035例患者经术后证实淋巴结转移，196例患者未出现淋巴结转移。416例（33.8%）术后病理分期为Ⅱ期，815例（66.2%）为Ⅲ期。全组患者被随机分为建模组861例（69.9%）和验证组370例（30.1%）。先运用Logistic单因素分析方法，对建模组的病例样本进行回顾性分析，筛查影响淋巴结转移的变量，确定人工神经网络输入节点的变量项目，再使用多层感知器（MLP）训练N+-ANN。N+-ANN由Logistic单因素分析筛选出的变量构成输入层。人工智能依据输入数据分析患者淋巴结转移状态，并与真实值进行比较。通过绘制受试者操作特性（ROC）曲线、获取曲线下面积（AUC）来评估模型的准确性。 结果:建模组与验证组临床资料的比较，差异均无统计学意义（均 P>0.05）。建模组单因素分析结果显示，术前血小板淋巴细胞比值（PLR）、术前系统性免疫性炎性指数（SII）、肿瘤大小、临床N（cN）分期与患者出现淋巴结转移有关。将以上因素连同术前中性粒细胞淋巴细胞比值（NLR）、术前糖类抗原19-9、术前癌胚抗原、肿瘤位置、临床T（cT）分期作为输入层变量构建N+-ANN。建模组N+-ANN对术后淋巴转移预测准确率为88.4%（761/861），灵敏度为98.9%（717/725），特异度为32.4%（44/136），阳性预测值为88.6%（717/809），阴性预测值为84.6%（44/52），AUC值为0.748（95%CI：0.717~0.776）；而验证组，N+-ANN的预测准确率为88.4%（327/370），模型灵敏度为99.7%（309/310），特异度为30.0%（18/60），阳性预测值为88.0%（309/351），阴性预测值为94.7%（18/19），AUC值为0.717（95%CI：0.668~0.763）。根据N+-ANN所输出的个体化淋巴结转移概率，取截点0~50%、>50%~75%、>75%~90%、>90%~100%，将患者分为N 0组、N 1组、N 2组、N 3组。建模组和验证组的N+-ANN对pN分期总体预测准确率分别为53.7%和54.1%，而cN分期对pN分期的总体预测准确率仅为30.1%和33.2%。 结论:本研究构建的N+-ANN能准确预测Ⅱ~Ⅲ期胃癌患者的淋巴结转移情况。基于N+-ANN的个体化淋巴结转移概率相较于cN分期，对pN分期预测的准确性更高。

胃肿瘤;淋巴结转移;人工神经网络;预测模型

福建医科大学附属协和医院胃外科　福建医科大学消化道恶性肿瘤教育部重点实验室，福州　350004

[1]薛震;陆俊;林嘉;黄昌明;李平;谢建伟;王家镔;林建贤;陈起跃;郑朝辉-.Ⅱ~Ⅲ期胃癌患者淋巴结转移的人工神经网络预测模型构建)[J].中华胃肠外科杂志,2022(04):327-335

胃癌患者,淋巴结转移,人工神经网络预测,神经网络预测模型,预测模型构建,预测价值,纳入标准,AJCC,胃腺癌,前胸,胸片,腹部超声,上腹部,查无,远处转移,R ,排除标准,受过,新辅助化疗,放疗,残胃癌,协和医院,胃外科,根治性切除术,临床病理资料,全组,经术,术后病理,病理分期,模组,定人,多层感知器,MLP,N+,ANN,输入层,输入数据,转移状态,真实值,血小板淋巴细胞比值,PLR,免疫性,SII,肿瘤大小,cN,连同,中性粒细胞淋巴细胞比值,NLR,糖类抗原,癌胚抗原,肿瘤位置,cT,淋巴转移,转移预测,预测准确率,阳性预测值,阴性预测值,转移概率,N ,pN,研究构建,准确预测,移情,胃肿瘤

0.264014