目的 应用分类与回归决策树(CART)算法构建CT显像鉴别良恶性孤立性肺结节(SPN)预测模型,探讨数据挖掘技术在SPN影像诊断中的应用价值.方法 分别提取12个临床指标和22个CT征象指标作为CART预测SPN良恶性的输入指标.连续性纳入自2003年7月至2006年7月间经病理证实的SPN,且术前行CT检查的患者116例,其中良性结节62例,恶性结节54例.采用CART建立用于预测良恶性SPN的分类决策树模型,并通过交互印证的方法计算该模型的诊断准确性.同时设低年资医师诊断组和高年资医师诊断组,采用盲法进行独立阅片判断SPN的良恶性.采用受试者操作特征(ROC)曲线比较3组间的诊断效能.结果 (1)成功建立了能够判断SPN良恶性的CART诊断模型,其中含有8条诊断规则,最低相对错误代价为0.199,CART对SPN具有决策意义的最重要的前3位决策指标为结节的毛刺征、患者年龄和病灶部位.(2)CART、高年资医师和低年资医师对SPN良恶性诊断的ROC曲线下面积分别为0.910±0.029、0.827±0.038、0.612±0.052.CART与低年资医师ROC曲线下面积差(DBF)=0.297,P＜0.01;与高年资医师DBF=0.083,P＜0.05;高年资医师与低年资医师DBF=0.214,P＜0.01.CART诊断效能高于高年资医师和低年资医师,高年资医师高于低年资医师.结论 CART是具有强大学习能力的数据挖掘工具,
作者：马红霞；郭玉林；王秋萍；刘敏；强永乾；郭晓娟；郭佑民；陈起航
来源：中华放射学杂志 2008 年 42卷 1期
