目的：探讨基于肺癌CT的决策树模型在肺癌辅助诊断中的意义。方法：观察61例肺癌患者和50例肺部良性疾病患者的CT片，对边缘情况、毛刺征、小泡征等放射学特征进行量化，结合临床资料对肺癌相关的危险因素行单因素非条件logistic回归和多因素非条件logistic逐步回归分析，采用有意义的因素分别建立决策树、logistic回归2种肺癌诊断模型。采用筛检实验评价指标和ROC曲线比较2种模型对预测集样本的预测效果。结果：多因素非条件logistic逐步回归分析显示年龄、边缘情况、毛刺征、小泡征及纵隔肿大淋巴结对鉴别诊断肺癌意义较大；logistic回归模型对预测集的预测灵敏度、特异度、准确度、阳性预测值和阴性预测值分别为86．89％、84．00％、85．59％、86．89％、84．00％，决策树模型上述指标分别为95．08％、86．89％、90．99％、89．23％、93．48％；logistic回归模型和决策树模型ROC曲线下面积分别为0．854（0．775～0．914）和1．000（0．967～1．000），差异有统计学意义（Z＝4．273，P＜0．05）。结论：建立的决策树模型诊断肺癌的效果优于logistic回归模型。
作者：宋燕
来源：郑州大学学报（医学版） 2015 年 1期
