南方医科大学学报

作者：谭顺谦, 卓俐, 曾敏, 黄方俊, 朱君, 蔡光瑶, 甄鑫

单位：1.南方医科大学生物医学工程学院，广东 广州 510515；2.广东省人民医院放疗科，广东 广州 519041；3.中山大学肿瘤防治中心妇科，广东 广州 510080

关键词：卵巢癌,实验室检验指标,Transformer,嵌入向量,深度学习,

基金：国家自然科学基金(82572381);国家自然科学基金(82404078);广东省自然科学基金(2024A1515012100);广东省基础与应用基础研究基金项目区域联合基金-青年基金项目(2023A1515110701)

目的 评估一种基于 Transformer 深度学习模型、结合真实世界实验室检验指标的卵巢癌鉴别诊断性能。 方法 回顾性收集2012年1月1日~2021年4月4日同济妇产科医院收治的卵巢癌患者及良性病变患者的99项实验室检验指标和临床资料。通过基于ANOVA F检验的特征选择算法在训练集上选取20个关键特征，并采用表格数据转换器将每例患者转化为统一的嵌入向量。随后，利用改良的堆叠式Transformer对特征向量进行编码并训练模型。将该模型与多种传统机器学习方法进行比较，评价指标包括受试者工作特征曲线下面积（AUC）、准确率（ACC）、灵敏度（SEN）和特异度（SPE），通过五折交叉验证评估模型的泛化能力与有效性。 结果 五折交叉验证结果显示，基于Transformer深度学习模型在预测卵巢癌患者中表现最佳（AUC=0.931，ACC=0.813，SEN=0.833，SPE=0.865）。 结论 本研究提出的基于Transformer的模型在卵巢癌预测中具有较高的准确性和泛化能力，为卵巢肿瘤的临床辅助诊断提供了新的技术手段。

来源：2026年第4期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2026年第4期