人工智能算法与Logistic回归在肠道准备预测中的应用

2021-10-22邓少琦林丹丹刘鑫杰柴芳时陈杰桓

现代消化及介入诊疗 2021年8期

邓少琦，林丹丹，刘鑫杰，柴芳时，陈杰桓

肠镜检查前的肠道准备一直是内镜领域中一个受人关注的话题，良好的肠道准备能提高腺瘤检出率，减少漏诊，降低结直肠癌发生的风险［1］。国内外对于影响肠道准备因素的讨论非常多，其中包括以下各种人口学特征或临床特征：性别、年龄、体重指数、糖尿病病史、便秘病史、饮食习惯等［2－3］，但这些研究尚未建立一个系统的预测模型。因此基于简单的人口学特征或临床资料，建立准确有效的风险预测模型，有助于筛查出肠道准备不足高危人群。近年来随着人工智能学科的风靡，与其相关的机器学习及深度学习的算法被带到包括医疗等各个领域［4］。我们尝试利用多种人工智能算法对肠道预测问题进行分析，并和经典的logistic回归算法进行对比，选出最佳的统计学模型，并从中探讨两类算法在临床研究中统计分析中的优缺点。

1 资料与方法

1.1 一般资料

选取2019年1月至2019年7月来我院区行结肠镜检查的门诊及住院患者作为训练集队列，2019年8月至2019年12月就诊的患者为验证集队列。纳入标准：年龄18～80岁，性别不限。排除标准：①患有肠道肿瘤、肠梗阻；②未严格执行本研究规定的肠道准备方案；③严重的心脑血管等基础疾病；④必要的信息资料不全。