典型文献
基于机器学习技术利用常规检验数据建立肺结核鉴别诊断方法
文献摘要：
目的:探讨利用常规检验数据建立肺结核疾病鉴别诊断模型的应用价值。方法:采用回顾性调查研究方法，收集2015年5月至2021年11月就诊于北京积水潭医院和北京和平里医院初诊为肺结核和其他肺部疾病患者的常规检验数据。共纳入11 516例患者数据，通过计算机产生随机数方法以9∶1比例分为训练集和测试集。使用支持向量机、随机森林、K最近邻和逻辑回归4种机器学习算法进行模型测试和特征选择，采用十折交叉验证法验证模型诊断准确度，并采用受试者工作特征（ROC）曲线下面积（AUC）评价模型诊断效能。结果:本研究选择随机森林作为最优机器学习算法构建肺结核鉴别诊断的最佳特征模型。通过模型特征重要性排序，选择37个非特异性检验项目构成肺结核鉴别诊断模型，其验证集和测试集曲线下面积分别为0.747和0.736，敏感度为68.03%和68.75%，特异度为70.91%和67.90%，准确度为70.30%和68.12%。结论:基于机器学习算法利用常规检测数据是肺结核疾病鉴别诊断的一个有效工具，但其应用价值还有待于更多医疗机构数据做进一步验证。
文献关键词：
人工智能;机器学习;肺结核;常规检验数据;鉴别诊断
中图分类号：
作者姓名：
王艳;郑华荣;罗祎斐;佴静;王清涛;周睿;梁玉芳;宋彪;黄大伟
作者机构：
北京积水潭医院医学检验中心，北京 100035;中国计量科学研究院，北京 100013;内蒙古智汇大数据研究院，呼和浩特 010020;北京市和平里医院检验科，北京 100013;首都医科大学附属北京朝阳医院检验科，北京 100020;北京市隆福医院检验科，北京 100010
文献出处：
引用格式：
[1]王艳;郑华荣;罗祎斐;佴静;王清涛;周睿;梁玉芳;宋彪;黄大伟-.基于机器学习技术利用常规检验数据建立肺结核鉴别诊断方法)[J].中华检验医学杂志,2022(12):1201-1206
A类：
常规检验数据
B类：
基于机器学习,机器学习技术,肺结核,鉴别诊断,疾病鉴别,诊断模型,回顾性调查,北京积水潭医院,初诊,肺部疾病,患者数据,训练集,测试集,最近邻,逻辑回归,机器学习算法,模型测试,特征选择,十折交叉验证法,验证模型,诊断准确度,受试者工作特征,诊断效能,特征模型,模型特征,特征重要性,重要性排序,非特异性,检验项目,验证集,集曲,法利,常规检测,检测数据,有待于
AB值：
0.26965
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
