甲狀腺疾病輔助診斷機(jī)器學(xué)習(xí)模型研究

王瑩　顧大勇

關(guān)鍵詞：甲亢；甲減；機(jī)器學(xué)習(xí)；邏輯回歸；醫(yī)學(xué)檢驗

中圖分類號：TP181 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2023）02-0007-04

1概述

甲狀腺是人體內(nèi)分泌系統(tǒng)的重要組成部分，通過穩(wěn)定甲狀腺激素，維持人體的新陳代謝。甲狀腺功能減退癥（甲減）和甲狀腺功能亢進(jìn)癥（甲亢）是兩種最常見的甲狀腺疾病[1]。甲亢的特征是甲狀腺激素合成和甲狀腺分泌增加，造成機(jī)體代謝亢進(jìn)和交感神經(jīng)興奮，引起心悸、出汗、進(jìn)食和便次增多及體重減少的病癥。部分患者同時有突眼、眼瞼水腫、視力減退等癥狀。甲減是指甲狀腺激素缺乏癥，如果得不到及時治療，將嚴(yán)重影響健康，甚至導(dǎo)致死亡。甲狀腺疾病和代謝異常綜合征、糖尿病、高血壓和血脂異常的多發(fā)性在老年人中很常見[2]。甲狀腺疾病的早診斷、早治療在預(yù)防和減少其并發(fā)癥方面起著重要作用，可以降低相關(guān)疾病的發(fā)病率和死亡率。

甲狀腺疾病的病因復(fù)雜，與自身免疫狀態(tài)、環(huán)境、營養(yǎng)、遺傳基因等都有著密切的關(guān)系。目前，醫(yī)學(xué)實驗室檢查是臨床診斷甲狀腺功能障礙的常用方式，主要通過檢測總甲狀腺素（Total Thyroxine ，TT4）、游離甲狀腺素（Free Thyroxine，F(xiàn)T4）、總?cè)饧谞钕侔彼幔═otal Triiodothyronine ，TT3）、游離三碘甲狀腺氨酸（Free Triiodothyronine，F(xiàn)T3）及促甲狀腺激素（ThyroidStimulating Hormone， TSH）五項醫(yī)學(xué)檢驗項目，從而根據(jù)其水平判斷甲狀腺功能（甲功）是否正常，甲功五項檢測結(jié)果具有相對較高的臨床診斷符合率[3-5]。甲功五項對甲狀腺疾病的類型判斷、療效監(jiān)測、病情評估都具有重要價值，直接影響臨床醫(yī)生的診斷及用藥[6]。在臨床上， 采用何種檢查方式評價甲狀腺功能并無統(tǒng)一說法[7]，研究發(fā)現(xiàn)其他醫(yī)學(xué)實驗室檢查項目與甲狀腺疾病相關(guān)，例如尿碘、糖化血紅蛋白和血糖等，尿碘與甲狀腺疾病的關(guān)系日益突出并受到關(guān)注，尿碘監(jiān)測對于防治甲狀腺疾病具有重要的現(xiàn)實意義[8-10]，糖化血紅蛋白與血糖同樣與甲狀腺疾病相關(guān)，患糖尿病人群發(fā)生甲狀腺功能障礙的概率較非糖尿病人群高出2～3倍[11]。因此有必要全面發(fā)掘醫(yī)學(xué)檢驗項目與甲狀腺疾病的相關(guān)性。醫(yī)學(xué)檢驗項目具有數(shù)據(jù)量大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜和數(shù)據(jù)維度高等特點，傳統(tǒng)的數(shù)理統(tǒng)計工具已經(jīng)無法滿足要求，機(jī)器學(xué)習(xí)是用計算機(jī)通過算法來學(xué)習(xí)數(shù)據(jù)中包含的內(nèi)在規(guī)律和信息，從而獲得新的經(jīng)驗和知識，以提高計算機(jī)的智能性，使計算機(jī)面對問題時能夠做出與人類相似的決策[12]。機(jī)器學(xué)習(xí)有助于從海量的醫(yī)學(xué)數(shù)據(jù)中發(fā)現(xiàn)傳統(tǒng)數(shù)理統(tǒng)計無法發(fā)現(xiàn)的問題，為臨床診斷提供新的解決問題思路[13]。

為了發(fā)掘醫(yī)學(xué)檢驗項目與甲狀腺疾病的相關(guān)性，本研究采用機(jī)器學(xué)習(xí)算法對全維度醫(yī)學(xué)檢驗數(shù)據(jù)進(jìn)行挖掘，直觀地展示每一項醫(yī)學(xué)檢驗項目與甲狀腺疾病的相關(guān)性。

2 資料與方法

2.1 一般資料

本研究共包括65723例甲亢患者、48028例甲減患者和19841例體檢人員的1355項醫(yī)學(xué)檢驗數(shù)據(jù)。其中甲亢患者、甲減患者和體檢人員均以臨床診斷結(jié)果作為篩選依據(jù)。在進(jìn)行機(jī)器學(xué)習(xí)計算時65723例甲亢患者數(shù)據(jù)，插入19841例體檢人員數(shù)據(jù)獲得85564 例人員數(shù)據(jù)作為甲亢機(jī)器學(xué)習(xí)數(shù)據(jù)源。48028例甲減患者數(shù)據(jù)插入19841例體檢人員數(shù)據(jù)獲得67869例人員數(shù)據(jù)作為甲減機(jī)器學(xué)習(xí)數(shù)據(jù)源。

2.1.1資料來源

以某醫(yī)院近5年（2016年10月1日至2021年09 月30日）的全量醫(yī)學(xué)檢驗數(shù)據(jù)經(jīng)過數(shù)據(jù)治理、開發(fā)后形成包含4903891條記錄的數(shù)據(jù)寬表為基礎(chǔ)。

2.1.2數(shù)據(jù)集成

從實驗室信息管理系統(tǒng)（Laboratory InformationManagement System， LIS）和醫(yī)院信息管理系統(tǒng)（Hospi?tal Information System， HIS）中抽取2016 年10 月至2021年9月的全量醫(yī)學(xué)檢驗數(shù)據(jù)，字段包括患者的ID、年齡、性別、患者就診類別（門診或住院）、檢驗日期、檢驗項目編碼、檢驗結(jié)果、診斷結(jié)果。

2.1.3數(shù)據(jù)治理、開發(fā)

在大數(shù)據(jù)平臺采用結(jié)構(gòu)化查詢語言（StructuredQuery Language， SQL）腳本對數(shù)據(jù)實施行列轉(zhuǎn)置，實現(xiàn)每例患者在同一檢驗日期的所有檢驗項目處于同一行，不同患者的同一個檢驗項目結(jié)果處于同一列。獲得4903891條記錄的數(shù)據(jù)寬表。對數(shù)據(jù)寬表進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)類型轉(zhuǎn)換、數(shù)據(jù)歸一化操作（數(shù)據(jù)值壓縮到[0，1]區(qū)間，實現(xiàn)字段間統(tǒng)一量綱）。

2.2 方法

邏輯回歸（Logistic Regression，LR）是用于解決二分類問題的經(jīng)典機(jī)器學(xué)習(xí)算法[14]。LR模型構(gòu)造簡單、結(jié)果方便易懂，是數(shù)據(jù)挖掘方法在醫(yī)學(xué)領(lǐng)域應(yīng)用的一個典型方法[15]。機(jī)器學(xué)習(xí)數(shù)據(jù)源首先被讀取到機(jī)器學(xué)習(xí)業(yè)務(wù)流程，數(shù)據(jù)源通過數(shù)據(jù)拆分組件按照一定比例隨機(jī)拆分為兩部分?jǐn)?shù)據(jù)：一部分訓(xùn)練數(shù)據(jù)，另一部分為測試數(shù)據(jù)。訓(xùn)練數(shù)據(jù)導(dǎo)入機(jī)器學(xué)習(xí)訓(xùn)練組件生成預(yù)測模型。測試數(shù)據(jù)和預(yù)測模型分別導(dǎo)入預(yù)測組件對測試數(shù)據(jù)進(jìn)行預(yù)測。預(yù)測的結(jié)果分別導(dǎo)入混淆矩陣組件和二分類評估組件。對預(yù)測模型進(jìn)行評估，判斷預(yù)測模型的可用性。業(yè)務(wù)流程如圖1所示。

2.3 工具與評估指標(biāo)

2.3.1工具

大數(shù)據(jù)平臺Maxcompute用于數(shù)據(jù)的存儲、計算和管理，大數(shù)據(jù)治理開發(fā)平臺Dataworks用于數(shù)據(jù)治理、開發(fā)，機(jī)器學(xué)習(xí)平臺PAI提供的模塊化組件用于模型開發(fā)和統(tǒng)計分析。

2.3.2評估指標(biāo)

模型評估采用混淆矩陣和二分類評估兩種方法分別評估。

（1）混淆矩陣

混淆矩陣每一列代表一個類的預(yù)測情況，每一行表示一個類的實際樣本情況。其中正例樣本數(shù)量記為陽性（Positive， P），負(fù)例樣本數(shù)量記為陰性（Nega?tive，N），被正確預(yù)測的正例數(shù)量記為真陽性（True Pos?itive， TP），負(fù)例樣本被預(yù)測呈正例樣本數(shù)量記為假陽性（False Positive，F(xiàn)P），正例樣本被預(yù)測成負(fù)例樣本數(shù)量記為假陰性（False Negative， FN），正確預(yù)測到的負(fù)例樣本數(shù)量記為真陰性（True Negative， TN）[17]。如圖2所示。

（2）二分類評估

二分類評估通過計算AUC 和F1-Score 兩項指標(biāo)對預(yù)測模型進(jìn)行評估。ROC曲線全稱為受試者工作特征曲線（Receiver Operating Characteristic curve，ROC），ROC 的重要特征是曲線下面積（Area Under Curve， AUC），AUC 取值范圍是[0，1]， AUC 越接近于1識別能力越強(qiáng)。F1 -Score 與混淆矩陣計算公式相同。

3結(jié)果

3.1 甲亢機(jī)器學(xué)習(xí)模型及評估

3.1.1模型特征權(quán)重排序

LR二分類模型展示了1355項特征列（檢驗項目）的權(quán)重，按照權(quán)重降序排列，選擇前20 項，如表1 所示。

其中項目編碼為檢驗項目的唯一編碼、項目名稱為檢驗項目的中文名稱、權(quán)重為該檢驗項目在LR二分類模型中的系數(shù)，權(quán)重數(shù)值越大，該檢驗項目與目標(biāo)列對應(yīng)診斷結(jié)果的相關(guān)性越大。項目編碼：s8604 和s6437；s8603、s8003和s5239；s5516和s8002；s8005 和s6440；s8601和s8001均為來自不同檢驗設(shè)備的同一個檢驗項目，dep對應(yīng)的住院或門診表示患者來源。

3.1.2模型預(yù)測結(jié)果評估

（1）混淆矩陣評估結(jié)果

混淆矩陣對測試數(shù)據(jù)的預(yù)測結(jié)果進(jìn)行統(tǒng)計分析，如表2所示。準(zhǔn)確率、精確率、召回率、F1- Score 評估結(jié)果均在90%以上（大于50%則具有概率意義上的分辨能力）。

（2）二分類評估結(jié)果

二分類評估對測試數(shù)據(jù)的預(yù)測結(jié)果進(jìn)行統(tǒng)計分析，如表3所示，AUC 和F1- Score 的結(jié)果均大于0.95，表明模型的預(yù)測準(zhǔn)確性高，可用性強(qiáng)。

3.2 甲減機(jī)器學(xué)習(xí)模型及評估

3.2.1模型特征權(quán)重排序

LR二分類模型展示了1355項特征列（檢驗項目）的權(quán)重，對權(quán)重按照降序排列，選擇前20項。如表4所示。

其中項目編碼為檢驗項目的唯一編碼、項目名稱為檢驗項目的中文名稱、權(quán)重為該檢驗項目在LR二分類模型中的系數(shù)，權(quán)重數(shù)值越大，該檢驗項目與目標(biāo)列對應(yīng)診斷結(jié)果的相關(guān)性越大。項目編碼：s8604、s6437和s5240；s8603、s8003和s5239；s8002和s5516；s6440、s5241和s8005均為來自不同檢驗設(shè)備的同一個檢驗項目，dep對應(yīng)的住院或門診表示患者來源。

3.2.2模型預(yù)測結(jié)果評估

（1）混淆矩陣評估結(jié)果

混淆矩陣對測試數(shù)據(jù)的預(yù)測結(jié)果進(jìn)行統(tǒng)計分析，如表5所示。準(zhǔn)確率、精確率、召回率、F1-Score 評估結(jié)果均在95%以上。

（2）二分類評估結(jié)果

4結(jié)論

本研究對某醫(yī)院近5年的全量醫(yī)學(xué)檢驗數(shù)據(jù)進(jìn)行治理、開發(fā)形成數(shù)據(jù)寬表。在此基礎(chǔ)上采用機(jī)器學(xué)習(xí)邏輯回歸二分類算法構(gòu)建并驗證了甲亢和甲減的預(yù)測模型。

對預(yù)測模型中部分檢驗項目與他人研究成果進(jìn)行比對，在甲亢和甲減的兩個模型中FT4的權(quán)重均位居第一，表明FT4與診斷結(jié)果的強(qiáng)相關(guān)關(guān)系。多項研究表明FT4 與TSH 是檢測甲狀腺疾病的優(yōu)選指標(biāo)[18-20]。在本研究的甲亢相關(guān)權(quán)重中，肝功能指標(biāo)中的谷草轉(zhuǎn)氨酶和間接膽紅素也位列其中，證明了甲亢對肝功能的影響。谷草轉(zhuǎn)氨酶與甲狀腺激素水平大致呈正相關(guān)，說明在一定程度上甲亢合并肝損害程度越重，甲狀腺激素水平也越高[21-22]。研究發(fā)現(xiàn)甲亢、甲減患者的血糖水平與正常體檢者比較差異具有統(tǒng)計學(xué)意義（P<0.05），甲狀腺功能減退癥患者的糖化血紅蛋白水平顯著高于對照組[23-24]。有研究發(fā)現(xiàn)中性粒細(xì)胞與甲減發(fā)生率密切相關(guān)，中性粒細(xì)胞聯(lián)合性別、甲狀腺體積等其他檢測指標(biāo)采用邏輯回歸算法可以預(yù)測甲減發(fā)生率（AUC=0.777）[25]。

綜合以上國內(nèi)外研究成果，在對1355項特征列的機(jī)器學(xué)習(xí)構(gòu)建的預(yù)測模型在具有較高輔助診斷能力的基礎(chǔ)上，按照權(quán)重降序排列的甲亢和甲減的前二十項特征大部分與臨床診斷研究結(jié)果吻合。說明了預(yù)測模型的輔助診斷可用性和可解釋性。預(yù)測模型中每個權(quán)重描述相應(yīng)預(yù)測變量對結(jié)果的貢獻(xiàn)大小，并不是獨立的決定因素。需要包括上述20項在內(nèi)的1355 項特征列構(gòu)成的完整LR二分類模型發(fā)揮整體作用?？紤]到真實數(shù)據(jù)的分布情況，本研究沒有對來自不同檢測設(shè)備對同一個檢驗項目的重復(fù)數(shù)據(jù)進(jìn)行合并處理，這必然會影響到具體的檢驗項目的真實權(quán)重，另一方面，同一個檢驗項目的權(quán)重基本相同也進(jìn)一步佐證了機(jī)器學(xué)習(xí)發(fā)掘的與診斷結(jié)果強(qiáng)相關(guān)檢驗項目的可信度。未來可以對同一個檢驗項目合理去重后進(jìn)一步研究驗證預(yù)測模型，從而糾正目前一些數(shù)據(jù)不規(guī)范的影響。由于整個預(yù)測模型是將所有檢驗項目都納入預(yù)測計算的范圍，比單項或少數(shù)指標(biāo)更能反映病人的真實情況，減少了醫(yī)生綜合判斷時若干項指標(biāo)矛盾或不符時帶來的困惑，在未來人工智能診斷及療效評估中有著重大的意義和應(yīng)用前景。二分類評估對測試數(shù)據(jù)的預(yù)測結(jié)果進(jìn)行統(tǒng)計分析，如表6所示，AUC 和F1-Score 的結(jié)果均大于0.95，表明模型的預(yù)測準(zhǔn)確性高，具有較好的可用性。