基于OPLS-DA和人工神經(jīng)網(wǎng)絡(luò)算法研究血細胞參數(shù)在乳腺癌診斷中的價值

朱小飛 錢世寧 曹慧玲 吳玲

南京中醫(yī)藥大學(xué)附屬醫(yī)院醫(yī)學(xué)檢驗科（南京 210029）

乳腺癌是女性常見的惡性腫瘤。2015年我國女性乳腺癌新發(fā)病例約30.4 萬例，占女性全部惡性腫瘤發(fā)病的17.1%；死亡病例約7.0 萬例，占女性全部惡性腫瘤死亡的8.2%［1-2］。近年來，隨著我國人口老齡化的加速，工業(yè)化、城市化以及生活方式的改變，女性乳腺癌疾病負擔(dān)日益加重［3-4］。2020年中國女性乳腺癌發(fā)病率為59.0/10 萬，居全國女性惡性腫瘤發(fā)病譜首位［5］。2020年中國女性乳腺癌死亡率為16.6/10 萬，居全國女性惡性腫瘤死亡譜第4 位［5］。

提高早期乳腺癌的檢出率并進行及時有效的治療是降低乳腺癌死亡率的有效措施。目前乳腺癌的診斷指征主要依靠影像學(xué)證據(jù)包括X 射線、核磁共振和B 超等。而實驗室指標尚未納入乳腺癌診斷指南［6］。究其原因，單一實驗室指標在乳腺癌診斷中的特異性較差、靈敏度不高，難以達到臨床對乳腺癌的篩查要求。外周血細胞分析是臨床常用的一種廉價和有效的實驗室檢查，外周血細胞參數(shù)對多種疾病的診斷和預(yù)后都有價值［7-9］。最近研究發(fā)現(xiàn)外周血細胞參數(shù)對包括乳腺癌在內(nèi)的多種腫瘤的診斷和預(yù)后也有一定價值［8，10-12］。由于腫瘤對外周血的影響是多方面因素的綜合結(jié)果，因此單一血細胞參數(shù)對乳腺癌診斷意義有限。故而，有必要通過一種綜合全面的方法研究血細胞參數(shù)對乳腺癌的診斷價值。

以人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）算法為基礎(chǔ)的機器學(xué)習(xí)，由于其具有的可以同時解決線性和非線性問題的優(yōu)勢，已經(jīng)在包括放射醫(yī)學(xué)［13］、超聲醫(yī)學(xué)［14］等領(lǐng)域得到了長足應(yīng)用，顯著提高了臨床醫(yī)生的診療效率。然而，在檢驗醫(yī)學(xué)領(lǐng)域機器學(xué)習(xí)與實驗室指標結(jié)合進行臨床輔助診斷的研究依然甚少。因此，本文首次將人工神經(jīng)網(wǎng)絡(luò)算法結(jié)合外周血細胞參數(shù)特征，通過深度學(xué)習(xí)建立乳腺癌診斷模型，為外周血細胞參數(shù)用于乳腺癌輔助診斷和預(yù)后判斷提供依據(jù)。

1 材料與方法

1.1 數(shù)據(jù)來源收集2016-2021年于我院初診的乳腺癌患者血細胞分析數(shù)據(jù)共422 例［平均年齡（56.90 ± 11.32）歲］以及其間體檢的健康女性血細胞分析數(shù)據(jù)共172例［平均年齡（56.17±12.38）歲］。納入標準：經(jīng)影像學(xué)和病理學(xué)確診的乳腺癌患者術(shù)前檢查的血細胞參數(shù)納入乳腺癌組；總體年齡匹配的健康體檢女性的血細胞參數(shù)納入正常對照組。血細胞分析數(shù)據(jù)包括白細胞計數(shù)（WBC）、紅細胞計數(shù)（RBC）、血紅蛋白（HGB）、血小板計數(shù)（PLT）、紅細胞壓積（HCT）、紅細胞分布寬度（RDW）、平均紅細胞體積（MCV）、平均血紅蛋白含量（MCH）、平均血紅蛋白濃度（MCHC）、中性粒細胞絕對值（NE#）、中性粒細胞百分比（NE%）、淋巴細胞絕對值（LY#）、淋巴細胞百分比（LY%）、單核細胞絕對值（MO#）、單核細胞百分比（MO%）、嗜酸性粒細胞絕對值（EO#）、嗜酸性粒細胞百分比（BA%）、嗜堿性粒細胞絕對值（EO#）、嗜堿性粒細胞百分比（BA%）和平均血小板體積（MPV）共20項參數(shù)。本研究涉及的病患數(shù)據(jù)通過南京中醫(yī)藥大學(xué)附屬醫(yī)院倫理委員會批準。

1.2 統(tǒng)計學(xué)方法通過正交偏最小二乘法判別分析（orthogonal partial least-squares discrimination analysis，OPLS-DA）進行乳腺癌組和健康女性組主要差異參數(shù)的篩選。提取OPLS-DA 篩選的主要差異參數(shù)經(jīng)R（Version 1.4.1717）軟件以誤差逆向傳播（back propagation，BP）算法（含1 個隱藏層和2 個神經(jīng)節(jié)）進行人工神經(jīng)網(wǎng)絡(luò)建模。正態(tài)分布的兩組數(shù)據(jù)之間的比較使用t檢驗。SPSS 22.0 軟件用于ROC 曲線繪制和相關(guān)數(shù)據(jù)分析。

2 結(jié)果

2.1 乳腺癌患者主要差異性血細胞參數(shù)的發(fā)掘收集2016-2021年于我院初診的乳腺癌患者血細胞分析數(shù)據(jù)共422 例以及其間于我院體檢的健康女性血細胞分析數(shù)據(jù)共172 例。血細胞分析數(shù)據(jù)包括白細胞計數(shù)（WBC）、紅細胞計數(shù)（RBC）、血紅蛋白（HGB）、血小板計數(shù)（PLT）、紅細胞壓積（HCT）、紅細胞分布寬度（RDW）、平均紅細胞體積（MCV）、平均血紅蛋白含量（MCH）、平均血紅蛋白濃度（MCHC）、中性粒細胞絕對值（NE#）、中性粒細胞百分比（NE%）、淋巴細胞絕對值（LY#）、淋巴細胞百分比（LY%）、單核細胞絕對值（MO#）、單核細胞百分比（MO%）、嗜酸性粒細胞絕對值（EO#）、嗜酸性粒細胞百分比（BA%）、嗜堿性粒細胞絕對值（EO#）、嗜堿性粒細胞百分比（BA%）和平均血小板體積（MPV）共20 項參數(shù)。通過正交偏最小二乘法判別分析（OPLS-DA），本文發(fā)現(xiàn)乳腺癌患者和健康女性在血細胞參數(shù)上存在顯著差異（圖1A）。進一步運用“VIP（Variable Importance in the Projection）prediction”算法發(fā)掘MPV、BA#、PLT、MCV、RBC 和LY#是兩組間的主要差異性參數(shù)（圖1B 和1C）。其中（圖1D），MPV、BA#、MCV 和LY#在乳腺癌患者組的表達水平顯著高于健康人群組（P＜0.001）；而PLT 和RBC 在乳腺癌患者組的表達水平則顯著低于健康人群組（P＜0.001）。上述結(jié)果說明乳腺癌患者和健康女性在血細胞參數(shù)上差異有統(tǒng)計學(xué)意義。

圖1 OPLS-DA 算法篩選主要差異參數(shù)Fig.1 Screening of primary differential parameters by OPLS-DA algorithm

2.2 主要差異血細胞參數(shù)對乳腺癌的診斷效率運用ROC 法研究MPV、BA#、PLT、MCV、RBC 和LY#共6 種主要差異參數(shù)對乳腺癌的診斷效率。如圖2 所示，上述參數(shù)對乳腺癌診斷的特異性分別為0.564、0.983、0.622、0.674、0.878 和0.762，靈敏度分別為0.819、0.614、0.618、0.561、0.393 和0.514，曲線下面積（AUC）分別為0.773、0.793、0.657、0.649、0.643 和0.635，診斷折點（cutoff）分別為8.950、0.005、207.500、91.450、4.105、1.605。以上結(jié)果提示差異血細胞參數(shù)對乳腺癌診斷具有一定價值。

圖2 主要差異血細胞參數(shù)的ROC 曲線Fig.2 ROC curve of primary differential blood cell parameters

2.3 基于差異血細胞參數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型的建立和對乳腺癌的診斷預(yù)測將數(shù)據(jù)分為訓(xùn)練集（乳腺癌=327 例，健康女性=132 例）和測試集（乳腺癌=95 例，健康女性=40 例），運用人工神經(jīng)網(wǎng)絡(luò)算法（含1 個隱藏層，2 個神經(jīng)節(jié)）對訓(xùn)練集數(shù)據(jù)進行16862 次迭代，建立了基于差異血細胞參數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型（圖3A）。各參數(shù)的廣義權(quán)重（generalized weight，GW）如圖3B 所示。運用人工神經(jīng)網(wǎng)絡(luò)模型對測試集的數(shù)據(jù)進行分析預(yù)測（圖3C）。結(jié)果見表1，預(yù)測結(jié)果的準確度為0.891 5（95%CI：0.824 6 ～0.939 4），靈敏度為0.941 2，特異性為0.795 5，陽性預(yù)測值為0.898 9，陰性預(yù)測值為0.875 0。與單一差異血細胞參數(shù)比較，人工神經(jīng)網(wǎng)絡(luò)模型的診斷效率均有顯著提高。

圖3 人工神經(jīng)網(wǎng)絡(luò)模型的建立Fig.3 Establishment of artificial neural network model

表1 測試集經(jīng)人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測Tab.1 Test set predicted by artificial neural network model例（%）

3 討論

乳腺癌是女性最常見腫瘤，具有發(fā)病率高和病死率高的特點。早期篩查對于乳腺癌的早期發(fā)現(xiàn)和預(yù)后具有重要價值。血細胞分析是臨床上成熟和廉價的一種檢驗方法，目前發(fā)現(xiàn)該項檢查同樣在腫瘤疾病的發(fā)生和轉(zhuǎn)歸中具有重要意義。譬如，既往研究顯示MPV 是非小細胞肺癌患者（NSCLC）預(yù)后不良的危險因素［15］，同時也是區(qū)分肝內(nèi)膽管癌和肝細胞癌的重要指標［16］。ALHASAN等［17］發(fā)現(xiàn)無論腫瘤的解剖位置如何，MPV 和嗜堿性粒細胞絕對數(shù)都可以作為治療前大腸癌患者預(yù)后的生物標志物。不僅如此，PLT 也在包括肺癌、結(jié)腸癌在內(nèi)的多種腫瘤患者中都有不同程度的升高［18-19］。究其原因，腫瘤微環(huán)境具有高凝、高炎癥反應(yīng)等特征，由于腫瘤血供和體內(nèi)血液循環(huán)直接聯(lián)通的病理特征，外周血中的各類細胞可能直接或間接參與了腫瘤發(fā)生、免疫微環(huán)境塑造等過程，而腫瘤的免疫狀態(tài)也可能間接地反映在外周血細胞的組成上［20-21］。例如，單核細胞可以分化為腫瘤相關(guān)巨噬細胞促進腫瘤進展，同時分泌多種促進炎癥的細胞因子，如IL-1、IL-6 等促進腫瘤相關(guān)血管的生成和轉(zhuǎn)移［22］。因此通過觀察血細胞各項參數(shù)的變化進而反映腫瘤發(fā)生發(fā)展成為可能。本研究同樣發(fā)現(xiàn)MPV 等參數(shù)在乳腺癌和健康女性之間存在顯著差異，說明乳腺癌腫瘤微環(huán)境同樣可能通過上述機制影響血細胞各項參數(shù)變化。因此，根據(jù)患者外周血細胞的各項參數(shù)有可能推斷患者免疫狀態(tài)、腫瘤發(fā)生乃至進展情況。本研究首先通過OPLS-DA 算法篩選獲得乳腺癌患者和健康女性的主要差異參數(shù)包括MPV、BA#、PLT、MCV、RBC 和LY#。但是上述參數(shù)對乳腺癌的診斷效率并不高，可能原因是單一血細胞參數(shù)不足以反映腫瘤組織的復(fù)雜特征。因此，有必要建立一種復(fù)雜算法模型綜合評估血細胞參數(shù)對乳腺癌的診斷價值。

機器學(xué)習(xí)（machine learning，ML）是一門涉及概率論、統(tǒng)計學(xué)和復(fù)雜算法理論等多種學(xué)科的新興交叉學(xué)科［23］。通過對大數(shù)據(jù)的復(fù)雜處理，機器學(xué)習(xí)訓(xùn)練模型從而達到利用模型進行預(yù)測的目的。人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種模仿人類神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法模型。誤差逆向傳播（BP）算法是醫(yī)學(xué)領(lǐng)域最常用的一種ANN 算法，其特點是在訓(xùn)練過程中將輸出值與實際值的差異不斷地逆向傳播給神經(jīng)網(wǎng)絡(luò)，調(diào)節(jié)神經(jīng)元之間的權(quán)重大小，使得實際值與理論值的誤差最小［24］。為此，本文以上述6 種參數(shù)為基礎(chǔ)，以BP 算法建立人工神經(jīng)網(wǎng)絡(luò)模型。與單一血細胞參數(shù)相比，該模型對乳腺癌預(yù)測的靈敏度（0.941 2）顯著提高，符合臨床篩查指標應(yīng)具有較高靈敏度的要求；同時該模型的預(yù)測診斷特異性為0.795 5，表明該模型具有輔助乳腺癌篩查的潛在能力。

血細胞分析是臨床常用的一種價格低廉、檢查方便快捷的實驗室指標。該指標除了與血液系統(tǒng)和感染性疾病的直接相關(guān)之外，也可能間接反應(yīng)其他疾病的發(fā)生發(fā)展情況。然而血細胞參數(shù)的單一指標往往不足以反應(yīng)腫瘤等疾病的全貌，因此血細胞參數(shù)對于腫瘤等疾病的診斷價值一直存在很大爭議［25-26］。通過機器學(xué)習(xí)算法納入血細胞參數(shù)的多項指標，更能全面地逼近個體的血細胞特征全貌，從而基于算法模型對血細胞全貌的綜合評估使腫瘤患者和健康人群得以區(qū)分。鑒于本文中基于血細胞參數(shù)的乳腺癌患者診斷預(yù)測人工神經(jīng)網(wǎng)絡(luò)模型的成功建立，通過機器學(xué)習(xí)建立基于實驗室常用指標（包括血細胞分析、臨床生化和免疫學(xué)指標等參數(shù)）的算法模型，將可能使“老指標”煥發(fā)出“新生機”，從而在疾病診斷相關(guān)分組（diagnosis related groups，DRG）醫(yī)保支付改革的大背景下，為控制醫(yī)保支出，減輕患者負擔(dān)，同時提高臨床疾病的診療效率做出貢獻。

本研究尚存在不足之處，如使用的數(shù)據(jù)是單一醫(yī)院的檢測數(shù)據(jù)，可能存在人群、疾病譜、診療策略等差異，由此建立的診斷預(yù)測模型在應(yīng)用于更廣泛人群的診斷評估時仍需要優(yōu)化以提高性能。

綜上，本文發(fā)掘了乳腺癌患者和健康女性的關(guān)鍵差異血細胞參數(shù)，運用誤差逆向傳播算法建立人工神經(jīng)網(wǎng)絡(luò)模型，對乳腺癌疾病的診斷篩查具有潛在價值。