相关实验视频
Updated: May 17, 2025
10:05
High-throughput Detection Method for Influenza Virus
Published on: February 4, 2012
26.1K
基于实验室参数预测流感A和B的机器学习模型的评估在中国重庆:多中心模型开发和验证研究
Weiwei Hu1,2, Yulong Liu1, Jian Dong1
1Department of Laboratory Medicine, The Affiliated Dazu's Hospital of Chongqing Medical University, Chongqing, China.
Journal of medical Internet research
|May 15, 2025
概括
一个新的AI工具,AI-Lab,使用常规血液测试准确预测流感A和B感染. 这种具有成本效益的诊断系统是低资源环境的理想选择,改善了疫情管理.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
- 传染病流行病学 传染病流行病学
背景情况:
- 在全球范围内,流感病毒导致严重的急性呼吸道感染.
- 目前的分子诊断是准确的,但在资源有限的地区是不可访问的.
- 常规的血液参数显示了流感的预测潜力,但未被纳入诊断系统.
研究的目的:
- 开发一种机器学习模型,使用常规血液参数预测流感A和B感染.
- 创建一个可部署的诊断工具,AI-Lab,用于低资源的临床环境.
- 在内部和外部队列中验证模型的性能.
主要方法:
- 一项多中心回顾性研究招募了6628名成年患者.
- 使用24个常规血液参数和5倍交叉验证,优化了CatBoost (CATB) 算法.
- 用AUC,准确性,特异性,灵敏性,PPV,NPV和F1得分来评估模型性能,并使用沙普利分析来识别生物标志物.
主要成果:
- 基于CATB的AI-Lab模型在甲型流感 (AUC 0.923) 和乙型流感 (AUC 0.863) 检测方面表现出卓越的性能.
- 人工智能实验室的表现明显优于传统模型,如KNN,RF和XGBoost (P<.001).
- 外部验证显示了高准确度:A+与A-/B-的0.913和B+与A-/B-.的0.939对比.
结论:
- 人工智能实验室工具使用常规实验室数据准确地确定甲型和乙型流感,可与快速抗原测试相提并论.
- 该系统在没有专门设备的情况下提供及时的差异化,解决资源有限的地区的关键需求.
- 人工智能实验室加强了流感疫情管理,特别是在诊断基础设施有限的地区.
