开发一种机器学习的免疫血清诊断模型,用于非中性性侵袭性肺炎真菌病
Hui Huang1,2, Fang Fang3, Weiguo Lu2
1The First Clinical Medical College, Guangzhou University of Chinese Medicine, Guangzhou, Guangdong, People's Republic of China.
Infection and drug resistance
|September 22, 2025
概括
使用免疫血清生物标志物的新诊断模型有效地区分了非中性发育侵袭性肺炎真菌病 (IPFD) 与细菌性肺炎. 这种工具有助于准确诊断,改善患者对具有挑战性的呼吸道感染的治疗结果.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 传染病 传染病 传染病
- 肺部病理学 肺部病理学
背景情况:
- 非中性发育侵袭性肺性真菌病 (IPFD) 由于非特异性症状而带来诊断挑战.
- 区分IPFD与细菌性肺炎对于有效治疗至关重要.
研究的目的:
- 开发和验证非中性性IPFD的免疫血清诊断模型.
- 使用生物标志物区分IPFD和细菌性肺炎.
主要方法:
- 对157名肺炎患者 (65名IPFD,92名细菌性肺炎) 的回顾性研究.
- 利用LASSO回归和机器学习算法来构建诊断模型.
- 使用来自102名患者的独立队列的时间数据验证了模型.
主要成果:
- 确定了五个关键生物标志物:银河 (GM),mHLA-DR,单细胞计数,IL-6和BDG.
- 轻GBM模型实现了高性能:AUC为0.865 (验证) 和0.810 (测试集).
- 时间验证显示出强的性能,AUC为0.821.1.
结论:
- 开发的免疫血清学模型准确地区分了非中性衰竭的IPFD与细菌性肺炎.
- 该模型显示了在诊断IPFD时临床应用的巨大潜力.
