一个机器学习工具用于从血液图参数诊断SARS-CoV-2感染
S Gómez-Rojas1, G Pérez Segura1, J Ollé2
1Department of Hematology, Hospital Universitario 12 octubre, Madrid, Spain.
Journal of cellular and molecular medicine
|October 26, 2023
概括
机器学习使用血液细胞计数和年龄准确诊断了COVID-19. 这种算法可以帮助排除SARS-CoV-2感染,帮助早期临床决策.
科学领域:
- 血液学 血液学 血液学
- 传染性疾病 传染性疾病
- 计算生物学 计算生物学
背景情况:
- SARS-CoV-2 感染会改变单细胞和中性粒细胞的功能,影响细胞因子风暴的动态.
- 这些细胞变化可能与其他呼吸道感染有所不同.
- 准确及时诊断COVID-19对于患者管理至关重要.
研究的目的:
- 开发和验证用于使用常规血液参数诊断COVID-19的机器学习算法.
- 评估算法的准确性,灵敏性和特异性在大量患者队列中.
主要方法:
- 从12321名怀疑COVID-19的患者中对49个血液图参数和年龄进行了回顾性分析.
- 使用支持矢量机器 (SVM) 工具开发预测模型.
- 数据随机划分为用于模型构建和测试的培训和验证集.
主要成果:
- 训练集模型实现了0.952的准确性,具有0.868的灵敏度和0.899的特异性.
- 验证集模型显示了0.894的准确性,0.892的灵敏度和0.895的特异性.
- 该算法显示了接收器运行特征曲线 (0.952) 下的高面积,并且可以以94%的概率排除COVID-19.
结论:
- 机器学习有效地使用血液细胞参数和年龄诊断COVID-19.
- 开发的算法为早期诊断方向提供了可靠的工具.
- 这种方法可以在疑似COVID-19病例中显著指导临床决策.
