基于机器学习算法的LSIL患者漏诊HSIL+的模型构建与验证

摘要

目的:探讨低级别鳞状上皮内病变（LSIL）患者漏诊高级别病变（HSIL+）的风险因素，并构建预测模型。方法:回顾分析2017年1月至2024年1月在山东大学齐鲁医院接受宫颈环形电切术（LEEP）治疗的LSIL患者，收集临床资料，包括年龄、绝经状态、TCT结果、HPV16/18检测、宫颈转化区类型、阴道镜印象等。采用Lasso回归分析筛选出重要变量，利用多因素logistic回归构建预测模型，并绘制受试者工作特征曲线（ROC）、校准曲线、临床决策曲线（DCA）评估模型的区分度、拟合度及临床适用性。结果:Lasso回归显示，HPV16/18阳性、TCT≥ASC-H、宫颈3型转化区和阴道镜印象为高级别是漏诊HSIL+的显著危险因素。构建的预测模型在训练集中的AUC为0.92,灵敏度为0.85,特异度为0.88,在验证集中的AUC为0.82,灵敏度为0.83,特异度为0.80,表明该模型具有良好的预测性能。校准曲线和Hosmer-Lemeshow检验显示模型拟合良好（训练集χ²=3.50,P=0.61;验证集χ²=2.89,P=0.62）。DCA曲线表明该模型具有良好的临床适用性。结论:HPV16/18阳性、TCT≥ASC-H、宫颈3型转化区和阴道镜印象考虑高级别是LSIL患者漏诊HSIL+的显著风险因素，构建的预测模型具有较好的区分度和临床应用价值，可为临床提供个体化风险评估与治疗方案。

关键词

低级别鳞状上皮内病变(LSIL) / 漏诊 / 高级别鳞状上皮内病变(HSIL+) / 预测模型 / 宫颈癌