Phân loại những bệnh nhân có nguy cơ ung thư tuyến tiền liệt dựa vào tPSA và fPSA bằng phương pháp máy vector hỗ trợ

PHÂN LOẠI NHỮNG BỆNH NHÂN CÓ NGUY
CƠ UNG THƯ TUYẾN TIỀN LIỆT DỰA VÀO
tPSA VÀ fPSA BẰNG PHƯƠNG PHÁP MÁY
VECTOR HỖ TRỢ (SVM)

Nguyễn Thị Hồng Nhung, Vũ Trần Minh
Khương, Vũ Quang Huy, Phạm Thế Bảo


Hiện nay, việc xác định những bệnh nhân có nguy cơ mắc

ung thư TTL : xét nghiệm PSA và DRE.
 Xét nghiệm PSA truyền thống (đo nồng độ tPSA trong
huyết thanh)

tPSA >4ng/ml
Nghi ngờ
Sinh thiết (-): Dương giả
Độ nhạy thấp

tPSA <4ng/ml
Nghi ngờ
Sinh thiết (+): âm giả

Độ đặc hiệu thấp


Một số cải tiến nhằm nâng cao độ nhạy, độ đặc
hiệu của xét nghiệm PSA:
 Nồng độ PSA theo tuổi.
 Tỷ trọng PSA: nồng độ PSA với thể tích TTL.

 Tốc độ PSA: nồng độ PSA theo thời gian.
• Dạng đồng phân PSA (fPSA, cPSA, proPSA,

BPSA) - Tỷ lệ fPSA/ tPSA % (pfPSA)


Mục tiêu của nghiên cứu này:
Thiết kế hệ thống có thể dự đoán bệnh nhân mắc ung thư TTL
dựa trên sự phối hợp các thông số tuổi, tPSA, fPSA và thể tích

TTL bằng sự phối hợp phương pháp máy vector hỗ trợ SVM.
Cải thiện độ nhạy nhưng vẫn giữ được độ
đặc hiệu hợp lý.


Đối tượng nghiên cứu
 Nhóm đến khám sức khỏe: đo hàm lượng tPSA, fPSA (n= 776).
bình thường
 Nhóm có triệu chứng rối loạn tiểu tiện hay có tiền căn gia đình
ung thư TTL: đo hàm lượng tPSA, fPSA , DRE, siêu âm. Tiến hành
ST nếu có một trong 3 đặc điểm sau:
- DRE bất thường hoặc
- PSA >10 ng/ml hoặc
- 4 < tPSA(ng/ml) ≤ 10 và tỷ lệ fPSA/tPSA(%) ≤ 15%
Nhóm bệnh nhân tăng sản lành tính TTL (BPH)
Kết quả ST
(n=273)
Nhóm bệnh nhân ung thư TTL (n=61)

 Xét nghiệm định lượng tPSA, fPSA
Xét nghiệm định lượng tPSA, fPSA bằng kỹ thuật miễn dịch hóa
phát quang dùng vi hạt (CMIA) – ARCHITECT Total PSA và
ARCHITECT Free PSA trên hệ thống miễn dịch tự động Architect
Ci8200.

 Sinh thiết TTL và xét nghiệm mô bệnh học
Các trường hợp có giá trị tPSA, fPSA nằm trong vùng nghi ngờ
được làm sinh thiết nhằm phát hiện hoặc loại trừ ung thư TTL.


 Phương pháp xử lý và phân tích số liệu
Nguyên tắc của xác suất thống kê áp dụng trong y học
bằng phần mềm R.
+ Phép kiểm ANOVA và t test được dùng để kiểm
định sự khác biệt giữa các trung bình của tuổi, thể tích,
sự phân bố nồng độ tPSA, %fPSA giữa các nhóm
nghiên cứu.
+ Hệ số tương quan Pearson được dùng để xác
định mối tương quan giữa tPSA, %PSA với tuổi, thể
tích TTL và thang điểm Gleason.
+ Sự khác biệt được coi là có ý nghĩa thống kê nếu
p<0,05.


 Phương pháp xử lý và phân tích số liệu (tt)
+ Xác định diện tích dưới đường cong ROC (AUC) nhằm
xác định và so sánh giá trị của tPSA và fPSA/tPSA (%)
trong chẩn đoán ung thư TTL.

+ Trên đường cong ROC, xác định các điểm cắt tPSA hoặc
%fPSA theo nguyên tắc chọn điểm cắt sát với góc bên trái
của đồ thị và có độ nhạy và độ đặc hiệu cao nhất.
+ Sử dụng phần mềm R và package “Tree” để xây dựng
“cây quyết định” nhằm đưa ra quyết định lâm sàng đúng
đắn cho chẩn đoán ung thư TTL.


 Phương pháp máy học vector hỗ trợ (SVM)
- Phân loại lần 1: phân biệt được nhóm bình thường và
nhóm có bệnh TTL (gồm BPH và ung thư TTL) với 4 biến
số (x) : tuổi, nồng độ fPSA (ng/ml), nồng độ tPSA (ng/ml),
tỷ lệ fPSA/tPSA (%).

(2.8)
Nếu f1 > 0: có bệnh
Nếu f1 < 0: bình thường


- Phân loại lần 2:

Để phân biệt được bệnh BPH và ung thư TTL, chúng tôi
sử dụng hàm (2.9) với 5 biến số (x) : tuổi, nồng độ fPSA
(ng/ml), nồng độ tPSA (ng/ml), tỷ lệ fPSA/tPSA (%),
(2.9)

Nếu f2 > 0: sinh thiết vì nghi ung thư

Nếu f2 < 0: Tăng sản lành tính BPH

Tóm tắt các bước dẫn đến xây dựng hệ thống nhận
diện bệnh nhân có nguy cơ mắc ung thư TTL.
-

- Phối hợp fPSA ở các ngưỡng giá trị tPSA <4ng/ml,
tPSA= 4ng/ml, tPSA>4ng/ml.
- Xem xét ứng dụng SVM


 Độ nhạy và độ đặc hiệu trong việc phát hiện ung thư TTL theo thực
tế và theo nghiên cứu.
Độ nhạy: 85,2%,
Độ nhạy: 85,2%,
Độ đặc hiệu: 88,3%
Độ đặc hiệu: 68,1%

Tỷ lệ ung thư bị bỏ sót: 14,8%

Sơ đồ phát hiện ung thư TTL
theo thực tế

Sơ đồ phát hiện ung thư TTL
theo nghiên cứu


Ứng dụng SVM

Độ nhạy: 95,1%,
Độ đặc hiệu: 84,6%

Tỷ lệ ung thư bị bỏ sót:4,9%


Xây dựng chương trình phát hiện ung thư tuyến tiền liệt
“Prostate Cancer Predictor”