基于机器学习的诊断密码球菌脑膜炎和结核性脑膜炎:一个单一中心的回顾性临床研究
Fangbo Lin1,2, Cheng Chen3, Yuan Li1
1Rehabilitation Medicine Department, The Affiliated Changsha Hospital of Xiangya School of Medicine, Central South University (The First Hospital of Changsha), Changsha, China.
Open forum infectious diseases
|April 30, 2025
概括
一个新的脑图准确地区分了密码球菌脑膜炎和结核脑膜炎,使用六个关键变量. 这种诊断工具有助于临床医生区分这些关键条件,以改善患者护理.
科学领域:
- 传染性疾病 传染性疾病
- 神经学 神经学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 区分加密球菌脑膜炎 (CM) 和结核脑膜炎 (TBM) 对于有效的治疗和患者的治疗结果至关重要.
- 临床,实验室和成像特征的重叠使CM和TBM的准确诊断变得复杂.
- 准确的区分对于指导适当的治疗干预至关重要.
研究的目的:
- 开发和验证用于区分CM和TBM的诊断名录.
- 确定区分CM和TBM的关键预测因素.
- 为改善诊断准确性提供一种临床适用工具.
主要方法:
- 从2021年1月到2024年11月,对271名患者 (125名CM,146名TBM) 的回顾性单中心研究.
- 利用LASSO回归来识别潜在的预测因子,精制到六个关键变量:额外菌,脑脊液压,年龄,红细胞沉积率,白蛋白水平和印度油墨染色.
- 使用多变量逻辑回归构建诊断名图,通过ROC分析,校准图,决策曲线分析和SHAP验证可解释性.
主要成果:
- 最终的模型包含了六个变量:额外菌的存在,脑脊液压,年龄,红细胞沉积率,白蛋白水平和印度油墨染色.
- 诺米图实现了高分辨能力,曲线下的面积 (AUC) 为0.919 (培训) 和0.921 (验证).
- 模型验证证实了强大的灵敏度,特异性,精度和临床适用性.
结论:
- 开发的名图有效地将CM与TBM区分开来,准确度更高.
- 这种工具对管理脑膜炎患者的医疗保健提供者具有重要的临床意义.
- 脑膜图是脑膜炎差异诊断中的一个有价值的辅助工具.


