北京大学学报(医学版) ›› 2019, Vol. 51 ›› Issue (3): 602-608. doi: 10.19723/j.issn.1671-167X.2019.03.034
• 技术方法 • 上一篇
唐雯1△(),高峻逸2,马辛宇2,3,张超贺2,马连韬2,3,王亚沙2,4△()
Wen TANG1△(),Jun-yi GAO2,Xin-yu MA2,3,Chao-he ZHANG2,Lian-tao MA2,3,Ya-sha WANG2,4△()
摘要: 目的 应用深度学习模型循环神经网络(recurrent neural network,RNN)及其变体门控循环单元(gated recurrent unit,GRU),基于临床真实数据,构建腹膜透析临床预后预测模型,并比较其与医学研究中常用的逻辑回归(logistic regression, LR)模型的预测性能,探索预测结果中可能的医学意义。方法 使用北京大学第三医院腹膜透析门诊的常规诊疗数据,基于患者在开始透析时的基线数据、随访数据和预后数据构建RNN和GRU预测模型。使用受试者工作特征曲线下面积(area under the ROC curve,AUROC)、召回率(recall)、F1分数(F1-score)三个指标在测试集上评价比较模型对患者死亡风险的预测效果。结果 共纳入656例患者,其中死亡患者261例,共计13 091条诊断记录。经过十折交叉验证调整超参数并在单独的测试集测试结果显示,LR模型、RNN模型、GRU模型的AUROC分别为0.701 4、0.786 0、0.814 7,RNN和GRU模型的预测性能显著优于传统的LR模型。在召回率和F1分数方面,RNN和GRU模型的性能也均显著优于LR模型,且GRU模型表现最好。进一步分析显示GRU模型在不同预测窗口下对于不同死因或相同死因的召回率不尽相同。结论 RNN模型(尤其是GRU模型)相比于传统医学研究所使用的LR模型,对于腹膜透析临床预后预测具有更佳效果,可能有助于医生早期干预,提高医疗质量,具有很强的临床应用价值。
中图分类号:
[1] |
Li KT, Chow KM , Van de Luijtgaarden MW, et al. Changes in the worldwide epidemiology of peritoneal dialysis[J]. Nat Rev Nephrol, 2017,13(2):90-103.
doi: 10.1038/nrneph.2016.181 |
[2] | Lee C, Luo Z, Ngiam KY , et al. Big healthcare data analytics: Challenges and applications[M] //Handbook of large-scale distributed computing in smart healthcare. German: Springer, 2017: 11-41. |
[3] | Schalkoff RJ . Artificial neural networks[M]. New York: McGraw-Hill, 1997. |
[4] | Ma F, Chitta R, Zhou J, et al. Dipole: diagnosis prediction in healthcare via attention-based bidirectional recurrent neural networks [C]. Proceedings of the 23rd ACM SIGKDD international conference on knowledge discovery and data mining, 2017: 1903-1911. |
[5] | Khitan Z, Shapiro AP, Shah PT , et al. Predicting adverse outcomes in chronic kidney disease using machine learning methods: data from the modification of diet in renal disease[J]. Marshall J Med, 2017,3(4):67. |
[6] | Korchiyne R, Farssi SM, Sbihi A , et al. A combined method of fractal and GLCM features for MRI and CT scan images classification[J]. Signal & Image Processing: An International Journal, 2014,5(4):85. |
[7] | Lipton ZC, Berkowitz J , Elkan C. A critical review of recurrent neural networks for sequence learning [J/OL]. ( 2015 -10-17)[2019-01-10]. https://arxiv.org/pdf/1506.00019.pdf. |
[8] | Chung J, Gulcehre C, Cho KH , et al. Empirical evaluation of gated recurrent neural networks on sequence modeling [J/OL]. ( 2014 -12-11)[2019-01-10]. https://arxiv.org/pdf/1412.3555.pdf. |
[1] | 王飞,朱翔,贺蓓,朱红,沈宁. 自发缓解的滤泡性细支气管炎伴非特异性间质性肺炎1例报道并文献复习[J]. 北京大学学报(医学版), 2021, 53(6): 1196-1200. |
[2] | 高伟波,石茂静,张海燕,吴春波,朱继红. 显著高铁蛋白血症与噬血细胞性淋巴组织细胞增多症的相互关系[J]. 北京大学学报(医学版), 2021, 53(5): 921-927. |
[3] | 张梅香,史文芝,刘建新,王春键,李燕,王蔚,江滨. MLL-AF6融合基因阳性急性髓系白血病的临床特征及预后[J]. 北京大学学报(医学版), 2021, 53(5): 915-920. |
[4] | 蒋艳芳,王健,王永健,刘佳,裴殷,刘晓鹏,敖英芳,马勇. 前交叉韧带翻修重建术后中长期临床疗效及影响因素[J]. 北京大学学报(医学版), 2021, 53(5): 857-863. |
[5] | 肖若陶,刘承,徐楚潇,何为,马潞林. 术前血小板参数与局部进展期肾细胞癌预后[J]. 北京大学学报(医学版), 2021, 53(4): 647-652. |
[6] | 于妍斐,何世明,吴宇财,熊盛炜,沈棋,李妍妍,杨风,何群,李学松. 延胡索酸水合酶缺陷型肾细胞癌的临床病理特征及预后[J]. 北京大学学报(医学版), 2021, 53(4): 640-646. |
[7] | 赵勋,颜野,黄晓娟,董靖晗,刘茁,张洪宪,刘承,马潞林. 癌栓粘连血管壁对非转移性肾细胞癌合并下腔静脉癌栓患者手术及预后的影响[J]. 北京大学学报(医学版), 2021, 53(4): 665-670. |
[8] | 陈怀安,刘硕,李秀君,王哲,张潮,李凤岐,苗文隆. 炎症生物标志物对输尿管尿路上皮癌患者预后预测的临床价值[J]. 北京大学学报(医学版), 2021, 53(2): 302-307. |
[9] | 刘世博,高辉,冯元春,李静,张彤,万利,刘燕鹰,李胜光,罗成华,张学武. 腹膜后纤维化致肾盂积水的临床分析:附17例报道[J]. 北京大学学报(医学版), 2020, 52(6): 1069-1074. |
[10] | 陈伟钱,戴小娜,余叶,王沁,梁钧昱,柯旖旎,易彩虹,林进. 原发性干燥综合征合并自身免疫性肝病的临床特点及预后分析[J]. 北京大学学报(医学版), 2020, 52(5): 886-891. |
[11] | 姜妮,乔国梁,王小利,周心娜,周蕾,宋雨光,赵艳杰,任军. 中性粒细胞与淋巴细胞比例对评估接受过继性细胞免疫治疗的晚期胰腺癌患者预后的临床意义[J]. 北京大学学报(医学版), 2020, 52(3): 597-602. |
[12] | 马茹,李鑫宝,闫风彩,林育林,李雁. 肿瘤间质比评估阑尾来源腹膜假黏液瘤的临床价值[J]. 北京大学学报(医学版), 2020, 52(2): 240-246. |
[13] | 王文鹏,王捷夫,胡均,王俊锋,刘嘉,孔大陆,李健. 结直肠间质瘤临床病理特征及预后分析[J]. 北京大学学报(医学版), 2020, 52(2): 353-361. |
[14] | 王骁,李兆星,范焕芳,魏莉瑛,郭旭瑾,郭娜,王彤. 罕见小肠囊腺瘤1例报道[J]. 北京大学学报(医学版), 2020, 52(2): 382-384. |
[15] | 欧阳雨晴,倪莲芳,刘新民. 恶性孤立性肺结节患者预后因素分析[J]. 北京大学学报(医学版), 2020, 52(1): 158-162. |
|