利用隨機(jī)森林建立輸尿管上段結(jié)石預(yù)后預(yù)測模型

泌尿系統(tǒng)結(jié)石是一種全球性疾病，全世界范圍內(nèi)發(fā)病率為10%～15%[1]，輸尿管結(jié)石占比為65%。輸尿管上段結(jié)石因其發(fā)病率較高、可選擇的手術(shù)方式多樣化而患者術(shù)后療效差別大的特點(diǎn)，受到臨床工作者的廣泛關(guān)注，其手術(shù)方式的選擇對(duì)患者預(yù)后的影響更是成為臨床工作者的研究重點(diǎn)。目前，輸尿管上段結(jié)石的主要治療方式包括經(jīng)皮腎鏡碎石取石術(shù)(PCNL)、輸尿管鏡氣壓彈道碎石術(shù)(UPL)、輸尿管鏡鈥激光碎石術(shù)(UHLL)及切開取石術(shù)。PCNL碎石成功率較高，但存在術(shù)后出血、腎功能損傷、術(shù)中嚴(yán)重感染和膿毒血癥以及費(fèi)用昂貴等缺點(diǎn)[2]；UPL風(fēng)險(xiǎn)低、手術(shù)時(shí)間短、恢復(fù)快、費(fèi)用低，但對(duì)直徑>10mm的輸尿管近端結(jié)石的碎石成功率僅為62.5%[3]，一旦碎石失敗，患者需要承擔(dān)不必要的痛苦及額外的治療費(fèi)用；UHLL是當(dāng)前最為理想和有效的一種腔內(nèi)碎石技術(shù)，但操作不慎會(huì)引起輸尿管穿孔、輸尿管管口損傷等嚴(yán)重的并發(fā)癥[4]；切開取石術(shù)手術(shù)費(fèi)用相對(duì)較低，但手術(shù)損傷大、恢復(fù)慢[5]。

面對(duì)輸尿管上段結(jié)石患者復(fù)雜多樣的病情，如何在綜合考慮患者其他身體條件的基礎(chǔ)上，選擇更為合理、安全、有效的手術(shù)方式已經(jīng)成為困擾臨床醫(yī)生的首要問題。當(dāng)前國內(nèi)外許多研究致力于為輸尿管上段結(jié)石患者選擇合適的手術(shù)療法。2016年歐洲泌尿外科指南[6]中指出，當(dāng)輸尿管結(jié)石小于10mm且結(jié)石床沒有粘連的情況下，輸尿管鏡碎石術(shù)為主要推薦手段；Wei-wei Zhang等[7]認(rèn)為當(dāng)輸尿管上段結(jié)石大于12mm時(shí)，與輸尿管鏡碎石術(shù)相比，經(jīng)皮腎鏡碎石術(shù)優(yōu)勢明顯；Tao Wu等[8]經(jīng)過薈萃分析發(fā)現(xiàn)，切開取石術(shù)雖然有更高的結(jié)石清除率，但是出血、漏尿及感染等并發(fā)癥的發(fā)生率也更高。另外還可根據(jù)研究者所在醫(yī)院的患者信息，通過隨機(jī)對(duì)照研究或統(tǒng)計(jì)學(xué)分析方法，得到對(duì)不同患者相對(duì)較優(yōu)的方案[9-13]，但由于患者自身病情的多樣性，普適性較差。

隨著當(dāng)今計(jì)算機(jī)技術(shù)和機(jī)器學(xué)習(xí)的迅猛發(fā)展，采用機(jī)器學(xué)習(xí)算法預(yù)測輸尿管上段結(jié)石患者不同手術(shù)方式的預(yù)后情況已經(jīng)成為可能。因此，筆者綜合考慮了當(dāng)前影響輸尿管上段結(jié)石患者預(yù)后的因素，除了最重要的手術(shù)方式外，還包括結(jié)石大小、成分、位置、腎積水嚴(yán)重程度及患者因素(生活習(xí)慣和腎功能)等[14]變量，利用多種機(jī)器學(xué)習(xí)算法建立輸尿管上段結(jié)石患者預(yù)后預(yù)測模型，并通過模型性能反映出不同手術(shù)方法對(duì)患者預(yù)后的影響，從而根據(jù)患者不同的病情制定個(gè)性化的手術(shù)治療方案，為臨床醫(yī)生在治療方式選擇上提供一定的參考。

1 數(shù)據(jù)收集及預(yù)處理

1.1 數(shù)據(jù)收集

本文收集2018年1-8月于中國醫(yī)科大學(xué)附屬盛京醫(yī)院泌尿外科行PNCL、UPL、UHLL或切開取石手術(shù)治療輸尿管上段結(jié)石的患者的臨床信息，排除存在泌尿系統(tǒng)畸形、曾行泌尿系改道手術(shù)或同時(shí)運(yùn)用2種及2種以上手術(shù)方式的患者，最后共納入212例患者(其中，PCNL 85例、UPL 71例、UHLL 26例、切開取石30例)，同時(shí)獲取其性別、年齡、病程、腎絞痛、白細(xì)胞計(jì)數(shù)、肌酐、尿酸、結(jié)石橫面長徑、結(jié)石橫面短徑，手術(shù)側(cè)別、結(jié)石位置(A段：腎盂輸尿管交接部至腎下極水平處，B段：腎下極至髂血管與輸尿管交接水平處)、結(jié)石單雙側(cè)、結(jié)石數(shù)量、手術(shù)方式共15個(gè)變量，用于預(yù)后預(yù)測模型的構(gòu)建。

1.2 數(shù)據(jù)預(yù)處理

1.2.1 變量篩選

在納入的15個(gè)變量中，患者結(jié)石橫面長徑和短徑為數(shù)值型變量，其余為分類型變量。為滿足后續(xù)建模的變量要求，首先利用Weka軟件將所有數(shù)值型變量轉(zhuǎn)為標(biāo)稱型變量，然后根據(jù)信息增益率[15]對(duì)變量重要性進(jìn)行排序，以0.02為閾值，剔除信息增益率小于0.02的4個(gè)變量(性別、手術(shù)側(cè)別、尿酸、腎絞痛)。經(jīng)變量篩選后，共有11個(gè)變量被納入模型(表1)。

1.2.2 結(jié)局變量

以患者術(shù)后3個(gè)月隨訪得到的結(jié)石清除率作為結(jié)局變量(預(yù)后評(píng)價(jià)指標(biāo))，若隨訪患者術(shù)后3個(gè)月內(nèi)的CT、X線、泌尿系超聲及IVP等檢查結(jié)果顯示結(jié)石排凈，則表明預(yù)后良好(即陽性樣本)；若結(jié)石未排凈或上移至腎盂，則表明預(yù)后不良(即陰性樣本)。212例患者手術(shù)方式選擇及陰陽性樣本分布見表2。

表1 變量類型、劃分及重要性排序

表2 手術(shù)方式選擇及陰陽樣本分布

注：*成功率=陽性樣本/例數(shù)

2 構(gòu)建預(yù)后預(yù)測模型

2.1 構(gòu)造樣本集

2.1.1 用SMOTE算法處理數(shù)據(jù)不平衡問題

本文共納入212例樣本，其中陽性樣本178例，陰性樣本34例，陰性樣本與陽性樣本比例接近1∶5。當(dāng)數(shù)據(jù)集中、陰性陽性樣本比例接近1∶1時(shí)，才能有效避免大樣本的偏倚性[16]。為達(dá)到較好的預(yù)測結(jié)果，本文采用SMOTE算法處理數(shù)據(jù)陰性陽性樣本不平衡問題。

合成少數(shù)類過采樣技術(shù)[17](Synthetic Minority Oversampling Technique，SMOTE)是基于隨機(jī)過采樣算法的一種改進(jìn)，其基本思想是對(duì)少數(shù)類樣本進(jìn)行分析，并根據(jù)少數(shù)類樣本人工合成新樣本后將其添加到數(shù)據(jù)集中。具體操作如下。

對(duì)于少數(shù)類中每一個(gè)樣本x，以歐氏距離為標(biāo)準(zhǔn)計(jì)算它到少數(shù)類樣本集中所有樣本的距離，得到其k近鄰；根據(jù)樣本不平衡比例設(shè)置一個(gè)采樣比例以確定采樣倍率N；對(duì)于每一個(gè)少數(shù)類樣本x，從其k近鄰中隨機(jī)選擇若干個(gè)樣本，假設(shè)選擇的近鄰為xn；對(duì)于每一個(gè)隨機(jī)選出的近鄰xn，分別與原樣本按照公式(1)構(gòu)建新的樣本：

xnew=x+rand(0,1)*|x-xn|

(1)

該方法不但使陰性陽性樣本達(dá)到平衡(陰性陽性樣本均為178個(gè))，同時(shí)可有效避免隨機(jī)過采樣造成的過擬合問題。

2.1.2 劃分訓(xùn)練集和測試集

經(jīng)數(shù)據(jù)不平衡處理后，本文共納入356例樣本，采用十折交叉驗(yàn)證按7:3比例劃分訓(xùn)練集和測試集。其中訓(xùn)練集包括249例樣本(陰性128例，陽性121例)，用于模型的構(gòu)建及參數(shù)調(diào)整；測試集包含107例數(shù)據(jù)(陰性50例，陽性57例)，對(duì)所建立的模型進(jìn)行檢測和評(píng)價(jià)。

2.2 模型構(gòu)建

2.2.1 集成學(xué)習(xí)與隨機(jī)森林

集成學(xué)習(xí)(Ensemble learning)并不是一種單獨(dú)的機(jī)器學(xué)習(xí)算法，而是通過構(gòu)建并結(jié)合多個(gè)基分類器完成學(xué)習(xí)任務(wù)，進(jìn)行最終的決策，可以有效提高基分類器的泛化能力并解決過擬合問題，常見的集成學(xué)習(xí)方法有Bagging和Boosting[18]。本文主要選取隨機(jī)森林、Bagging集成樸素貝葉斯(Naive Bayes，NB)、支持向量機(jī)(Support Vector Machine，SVM)及人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANNs)等基分類器，構(gòu)建預(yù)后預(yù)測模型。

隨機(jī)森林[19](Random Forest，RF)是一種典型的Bagging擴(kuò)展變體。它在以決策樹作為基分類器構(gòu)建Bagging集成的基礎(chǔ)上，進(jìn)一步在決策樹的訓(xùn)練過程中引入了隨機(jī)屬性選擇，可以很好地解決分類器的過擬合問題并具有較強(qiáng)的抗噪聲能力，使模型具有更好的容忍性、可擴(kuò)展性和并行性。

2.2.2 RF參數(shù)選擇

本文使用Python 3.6中RF算法建立預(yù)后模型，主要調(diào)節(jié)參數(shù)包括基分類器數(shù)目(n)、最大特征數(shù)(Max_feature,M)以及葉子節(jié)點(diǎn)最小樣本數(shù)(Min_samples_leaf，m)[20]。RF中基分類器數(shù)目即為決策樹數(shù)目,最大特征數(shù)為每棵決策樹在分裂過程中所考慮的變量數(shù)目,葉子節(jié)點(diǎn)最小樣本數(shù)為當(dāng)某一節(jié)點(diǎn)的樣本數(shù)小于該值時(shí)，節(jié)點(diǎn)停止分裂變?yōu)槿~子節(jié)點(diǎn)。在本文中，確定n=100，M=auto(auto為所有特征數(shù)的算數(shù)平方根)，m=10。

2.2.3 對(duì)比實(shí)驗(yàn)

本文另選用樸素貝葉斯、支持向量機(jī)及人工神經(jīng)網(wǎng)絡(luò)作為基分類器，采用Bagging建立模型(Bagging所選參數(shù)均為默認(rèn))，并將其預(yù)測結(jié)果與RF算法進(jìn)行比較。

3 結(jié)果與分析

本文采用RF算法，通過訓(xùn)練集多次調(diào)參，得到上述最優(yōu)參數(shù)，應(yīng)用其建立輸尿管上段結(jié)石患者預(yù)后預(yù)測模型，并采用測試集對(duì)模型性能進(jìn)行評(píng)價(jià)，預(yù)測結(jié)果見表3。在測試集的107例樣本中，有97例預(yù)測正確，與目前隨訪得到的預(yù)測結(jié)果一致，模型準(zhǔn)確率高達(dá)90.65%。

表3 RF在測試集上預(yù)測結(jié)果

為進(jìn)一步驗(yàn)證算法的性能，本文選取SVM、NB和ANNs算法分別建立預(yù)后預(yù)測模型，采用Precision、Recall、F值、AUC 4個(gè)指標(biāo)評(píng)價(jià)不同算法構(gòu)建的模型性能(表4)。

由表4可知，RF算法在AUC、Recall和F值3個(gè)指標(biāo)上都明顯高于其他3種算法。綜合考慮4種指標(biāo)，其構(gòu)建的預(yù)后預(yù)測模型效果更佳，說明使用RF算法建立的預(yù)后預(yù)測模型能夠更加準(zhǔn)確地預(yù)測輸尿管上段結(jié)石患者的預(yù)后情況，該模型可以廣泛應(yīng)用于后續(xù)的臨床研究。在患者手術(shù)前，結(jié)合患者各方面身體情況，應(yīng)用該模型為患者制定個(gè)性化的手術(shù)治療方案，以使患者在接受最合理、安全的治療方案基礎(chǔ)上達(dá)到最佳的預(yù)后結(jié)局。

表4 4種分類算法所建模型預(yù)測結(jié)果比較

4 結(jié)論與討論

輸尿管上段結(jié)石作為一種常見的泌尿系統(tǒng)疾病，不同的手術(shù)方式選擇一直是臨床醫(yī)生關(guān)心的話題。雖然輸尿管上段結(jié)石方面的文獻(xiàn)資料眾多，但在實(shí)際臨床中仍需要醫(yī)生根據(jù)患者不同的病情及手術(shù)期望進(jìn)行相應(yīng)的臨床決策。不同地區(qū)的醫(yī)療條件以及醫(yī)生的見解習(xí)慣等不同，在手術(shù)方式的選擇上存在著較大差異。如果能在術(shù)前準(zhǔn)確預(yù)測輸尿管上段結(jié)石患者不同手術(shù)方式下的預(yù)后情況，有利于治療的合理化和科學(xué)化。

本文為實(shí)現(xiàn)上述目標(biāo)，將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于臨床分析中，較之傳統(tǒng)方式，具有明顯的優(yōu)勢。首先，機(jī)器學(xué)習(xí)技術(shù)能夠從患者繁雜的基本信息中篩選出重要因素，從而減少無關(guān)因素的干擾。本文以信息增益率為指標(biāo)對(duì)收集到的可能與預(yù)后有關(guān)的15項(xiàng)因素進(jìn)行重要性排序，排在前5位的依次為結(jié)石橫截面的長徑、短徑、手術(shù)方式、年齡和白細(xì)胞計(jì)數(shù)，說明上述5項(xiàng)因素在預(yù)測患者預(yù)后的過程中扮演重要角色，應(yīng)優(yōu)先考慮。其次，機(jī)器學(xué)習(xí)技術(shù)在臨床適用性和準(zhǔn)確性方面優(yōu)勢明顯。

5 結(jié)語

本文采用SMOTE算法有效解決了數(shù)據(jù)不平衡或數(shù)據(jù)缺失問題，同時(shí)為避免單個(gè)分類器帶來的過擬合等問題，采用集成學(xué)習(xí)算法優(yōu)化模型性能，有效加強(qiáng)了模型的泛化能力及其準(zhǔn)確性。

雖然RF算法在預(yù)測輸尿管上段結(jié)石不同手術(shù)方式下的碎石成功率方面表現(xiàn)優(yōu)異，但本文仍存在局限與不足。如術(shù)者雖然都是具有5年以上手術(shù)經(jīng)驗(yàn)的醫(yī)生，但不同術(shù)者間仍存在一定的技術(shù)差異，可能會(huì)對(duì)結(jié)局造成細(xì)微影響；患者術(shù)前是否行輸尿管支架術(shù)、患者結(jié)石成分與結(jié)石是否引起梗阻、結(jié)石硬度以及碎石設(shè)備等也可能是影響預(yù)后的因素，本文并未將其納入研究。

綜上所述，在預(yù)測輸尿管上段結(jié)石患者的預(yù)后方面，隨機(jī)森林算法無疑提供了一種新的選擇和有價(jià)值的參考。相信隨著技術(shù)的進(jìn)步和智能化的加深，機(jī)器學(xué)習(xí)技術(shù)必將在臨床工作中大放異彩。