一种用于查恶性血液病的新方法,通过构建基于血细胞参数的最佳机器学习模型来查恶性血液病
Dehua Sun1, Wei Chen2, Jun He3
1Department of Clinical Laboratory, Nanfang Hospital, Guangzhou, 516006, China.
BMC medical informatics and decision making
|February 11, 2025
概括
一个人工神经网络 (ANN) 模型有效地使用常规血液参数选恶性血液病. 这种AI工具有助于早期诊断和治疗,特别是在资源有限的环境中.
科学领域:
- 血液学 血液学 血液学
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 对恶性血液病的查对于及时诊断和治疗至关重要.
- 常规的血细胞参数为开发查模型提供了宝贵的基础.
- 早期检测显著改善了血液性恶性瘤患者的治疗结果.
研究的目的:
- 构建一种针对恶性血液病的最佳查模型.
- 为了提高诊断能力,利用常规的血细胞参数.
- 开发一种可靠的工具来识别血液瘤.
主要方法:
- 从中国10家三级医院的1751名患者收集了静脉血液样本.
- 使用了培训套件 (1223个案例) 和验证套件 (528个案例).
- 开发了8个机器学习模型,包括一个人工神经网络 (ANN),使用26个血细胞参数和临床数据.
主要成果:
- 人工神经网络 (ANN) 模型在验证集中显示出最佳性能.
- 该ANN模型实现了AUC为0.906,准确度为0.857,灵敏度为0.832,特异性为0.884.
- 这表明,用于识别恶性血液病的高分辨率,校准和临床检测性能.
结论:
- 开发的ANN模型适用于查恶性血液学疾病.
- 这种模式对于缺乏全面诊断设施的初级医院尤其有利.
- 使用ANN模型进行早期查可以加快患者的诊断和治疗.
