Диссертация (1140798), страница 10
Текст из файла (страница 10)
ОПТИМИЗАЦИЯ PSA-БАЗИРОВАННОГО СКРИНИНГА СПОМОЩЬЮ ИНСТРУМЕНТОВ НА ОСНОВЕ ИСКУССТВЕННЫХНЕЙРОННЫХ СЕТЕЙРабочая гипотеза: инструмент, работающий на основе искусственнойнейронной сети, обученной на данных собственной популяции пациентов,способен более эффективно прогнозировать результат биопсии простаты, чемкалькуляторы риска, разработанные на основе регрессионных моделей иискусственных нейронных сетей, разработанных с использованием данныхвнешней популяции.С помощью программной среды JustNN v. 4.0 нами был разработанинструмент, прогнозирующий результат гистологического исследования биоптатапростаты, работающий на основе трёхслойной искусственной нейронной сети(ИНС).
На основе полученных с помощью ИНС данных мы определялипредполагаемую принадлежность РПЖ к той или иной группе онкологическогориска по NCCN, а также соответствие или несоответствие его критериямактивного наблюдения, предложенным Джонатаном Эпштейном.Проанализирован вес переменных, установленный ИНС в процессеобучения. Относительная значимость этих переменных указана на рисунке 1.Наиболее важными переменными оказались объём простаты, возраст и уровеньтестостерона в сыворотке крови.Параметры, характеризующие прогностическую ценность сравниваемыхинструментов в отношении результата гистологического исследования биоптатапростаты, представлены в таблице 3.55943652615447362320286268253221215202171165159Относительный вес переменных0100 200 300 400 500 600 700 800 900 1000Объём простатыВозрастТестостеронПальпаторная плотностьТабакокурениеВизуализацияПальпаторная асимметрияСемейный анамнезПриём 5АРИБиопсия в анамнезеPSAПрирост PSAfPSA(%)PSA плотностьfPSAРисунок 1 - Относительный вес входных переменных ИНС.Таблица 3 - Прогностическая способность сравниваемых инструментов вотношении результата биопсии простатыИНСPCPTRCProstataClassТочность92,31%91,67%89,74%Специфичность86,44%91,75%88,14%Чувствительность95,88%91,52%90,72%92,08%94,68%92,63%92,73%87,1%85,25%Положительная предиктивнаяценностьОтрицательная предиктивнаяценность56100%90%80%Точность70%Специфичность60%Чувствительность50%40%Положительная предиктивнаяценность30%Отрицательная предиктивнаяценность20%10%0%ИНСPCPTRCProstataClassРисунок 2 - Сравнение прогностической способности различных инструментов вотношении результата биопсии простаты.Поскольку в инструменте ProstataClass не предусмотрена возможностьпрогнозирования вероятности обнаружения высокодифференцированного ракапростаты, по данному параметру наша ИНС сравнивалась с калькуляторомPCPTRC.Таблица 4 - Прогностическая способность сравниваемых инструментов вотношении рака простаты с высокой степенью дифференцировки клеток (3+3 поградации Глисона)ИНСPCPTRCТочность95,51%88,96%Специфичность95,54%89,29%Чувствительность95,45%88,09%Положительная предиктивная ценность89,36%75,51%Отрицательная предиктивная ценность98,16%95,24%57Под высокодифференцированным раком понимался РПЖ с суммойГлисона, равной 6 (3+3).
Результаты сравнения продемонстрированы в таблице 4.100%90%80%Точность70%60%Специфичность50%Чувствительность40%30%Положительная предиктивнаяценность20%Отрицательная предиктивнаяценность10%0%ИНСPCPTRCРисунок 3 - Сравнение прогностической способности ИНС и PCPTRC вотношении рака простаты с суммой баллов Глисона не более 6.Для правильного стадирования РПЖ по системе TNM нужно учитывать, чтостадия T2 делится на несколько подстадий; T2a, T2b и T2c. Они отличаются пораспространённости опухоли в пределах долей простаты и могут адекватнодифференцироватьсятольконаоснованииданныхпатогистологическогоисследования препарата, полученного при радикальной простатэктомии, илибиоптатов из обеих долей простаты. Для этого недостаточно результатовстандартного набора инструментальных и физикальных исследований.
В то жевремя, эти стадии отличаются по степени онкологического риска и влияют настратификацию по группам NCCN, а потому целесообразно прогнозироватьпринадлежность того или иного потенциального случая РПЖ к категории T2a,T2b или T2c. Нами проведена попытка прогнозирования стадии, общая точностькоторого составила 56,1%; доля совпадений с прогнозом для стадии T2a составила78,95%, для T2b – 40%, для T2c – 33,33% (Таблица 5).
Ни один из анализируемых58нами внешних инструментов не предназначен для прогнозирования стадии T, апотому по этим параметрам сравнение ИНС с ними не проводилось.Таблица 5 - Точность прогноза для стадии первичной опухоли (T2a, T2b, T2c)КоличествопациентовКоличествосовпадений сДоля совпаденийпрогнозомT2a191578,95%T2b10440%T2c12433,33%Общие показатели41-56,1%На основании ряда уже известных параметров (концентрация PSA всыворотке крови, объём простаты) и полученных с помощью ИНС данных(предполагаемая сумма баллов Глисона, количество положительных биоптатов истадияпервичнойопухоли)удалосьпрогнозироватьпринадлежностьпотенциально обнаруженного РПЖ к той или иной группе онкологического рискапо NCCN. Общая доля совпадений с прогнозом составила 63,44%.
Точностьпрогноза для отдельных групп NCCN представлена в таблице 6. Никакой изанализируемых внешних инструментов не позволял получить в полном объёмеданные, необходимые для стратификации риска по NCCN, поэтому сравнения поданному параметру не проводилось.59Таблица 6 - Точность прогноза для группы онкологического риска по NCCNКоличествоСовпадение сДоляпациентовпрогнозомсовпаденийОчень низкий риск161487,5%Низкий риск242291,67%Промежуточный риск23834,78%Высокий риск21628,57%Очень высокий риск99100%Общая точность932863,44%Вычислялисьтакжепредиктивныехарактеристикиискусственнойнейронной сети в отношении того, насколько точно прогнозируется фактсоответствия или несоответствия злокачественной опухоли простаты критериямактивного наблюдения Эпштейна, которые фактически соответствуют критериямгруппы очень низкого онкологического риска по NCCN.
При этом анализеточность составила 93,55%, чувствительность - 87,5%, специфичность - 94,8%,положительная предиктивная ценность – 77,78%, отрицательная предиктивнаяценность - 97,33%.Предиктивные характеристики ИНС представлены в совокупности нарисунке 4.60100%90%80%70%Точность60%Специфичность50%Чувствительность40%Положительная предиктивнаяценность30%Отрицательная предиктивнаяценность20%10%0%РПЖРПЖ (Gleason3+3)РПЖ (Epstein)Рисунок 4 - Предиктивные характеристики искусственной нейронной сети.Были построены кривые принятия решений (decision curve) по методикеVickers и Elkin, для того, чтобы определить реальную клиническую пользу отприменения предиктивных инструментов при разных пороговых значенияхвероятности наличия РПЖ в сравнении друг с другом, а также со стратегиейвыполнения биопсии всем пациентам и полным отказом от неё.
С этой целью всекривые были построены в одной системе координат (Рисунок 5). Аналогичныйграфик с кривыми принятия решений был построен для выявления клиническизначимого РПЖ (Рисунок 6). Инструмент ProstataClass не предназначен длядифференциального прогнозирования клинически незначимого и незначимогоРПЖ, поэтому в рисунке 6 соответствующая кривая не фигурирует.610,80,60,40,200%10%20%30%40%50%60%70%80%90%100%-0,2-0,4Не делать биопсию никомуДелать биопсию всемИНСProstataClassPCPTRCРисунок 5 - Кривая принятия решений для выявления РПЖ.0,80,60,40,200%10%20%30%40%50%60%70%80%90%100%-0,2-0,4Не делать биопсию никомуДелать биопсию всемИНСPCPTRCРисунок 6 - Кривая принятия решений для выявления клинически значимогоРПЖ.62Таблица 7 - Суммарная клиническая польза при анализе кривых принятиярешений для калькуляторов риска РПЖПороговыйуровеньрискаСуммарная клиническая пользаЛюбоеповышениеИНСProstataClassPCPTRCPSA5%0,6018890,6025640,5944670,59547910%0,5797720,5904560,5669520,55911715%0,5550530,5871040,5648570,56259420%0,5272440,5833330,5304490,52724425%0,4957260,579060,4957260,4935930%0,4597070,5769230,463370,45787535%0,4181460,5754440,4285010,42159840%0,3696580,5641030,3931620,38461545%0,3123540,5390440,3624710,34673750%0,243590,50,3269230,30769255%0,1595440,4672360,2905980,27492960%0,0544870,4262820,2532050,23397465%-0,080590,3946890,2463370,23443270%-0,260680,3504270,2371790,22222275%-0,512820,3012820,2115380,19230880%-0,891030,2692310,1666670,16666785%-1,521370,2051280,1132480,14957390%-2,782050,1666670,0384620,09615495%-6,56410,141026-0,121790,12179563Таблица 8 - Суммарная клиническая польза при анализе кривых принятиярешений для калькуляторов риска клинически значимого РПЖСуммарная клиническая пользаПороговыйуровеньЛюбое повышениерискаPSA5%ИНСPCPTRC0,3049932520,3141025640,31376518210%0,2663817660,3212250710,31695156715%0,2232277530,3178733030,31108597320%0,1746794870,3092948720,29807692325%0,119658120,279914530,26709401730%0,0567765570,2463369960,22710622735%-0,0157790930,2100591720,18934911240%-0,100427350,1837606840,15811965845%-0,20046620,1724941720,12820512850%-0,3205128210,1666666670,10897435955%-0,4672364670,1545584050,10113960160%-0,6506410260,1153846150,05769230865%-0,8864468860,0741758240,01465201570%-1,2008547010,044871795-0,0299145375%-1,6410256410,019230769-0,06410256480%-2,3012820510,019230769-0,09615384685%-3,4017094020,034188034-0,16666666790%-5,6025641030,070512821-0,2595%-12,205128210,070512821-0,3397435964ГЛАВА 4.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
