基于患者的预分类实时质量控制与神经网络 (PCRTQC-NN)
Bo Zhou1,2, Xiaoying Li1,2, Shitong Cheng1,2
1National Clinical Research Center for Laboratory Medicine, Department of Laboratory Medicine, The First Hospital of China Medical University, Shenyang, Liaoning, China.
Practical laboratory medicine
|October 13, 2025
概括
这项研究引入了一个新的神经网络模型,用于临床实验室的实时质量控制. 基于患者的预分类实时质量控制与神经网络 (PCRTQC-NN) 模型显著改善了实验室测试中的系统错误的检测.
科学领域:
- 临床实验室科学 临床实验室科学
- 医疗保健中的人工智能
- 生物医学数据分析
背景情况:
- 基于患者的实时质量控制 (PBRTQC) 对临床实验室管理至关重要.
- 传统的PBRTQC方法在检测微妙的系统错误方面面临挑战.
- 改善错误检测对于准确的患者诊断和实验室效率至关重要.
研究的目的:
- 引入基于患者的预分类实时质量控制与神经网络 (PCRTQC-NN) 模型.
- 通过使用神经网络,提高在临床实验室测试中的系统错误的检测.
- 改进具有高个体间变异性的分析品的信号噪声比 (SNR).
主要方法:
- 使用了一个经过TensorFlow和Mean Squared Error (MSE) 训练的神经网络自编码器.
- 预先分类和处理的数据来自611,031名患者的分析物包括Na,CHOL,ALT和CR.
- 在无错条件下从测试仪器中提取分析特征,通过比较重建残留物来识别系统错误.
主要成果:
- 与传统的PCRTQC相比,PCRTQC-NN模型展示了优越的系统错误检测.
- 减少了患者样本的平均数量,直到 ALT 的错误检测 (ANPed) 在常量错误中减少了高达 37%,在比例错误中减少了 22%.
- 对CHOL,ALT和CR的ANPed在各种错误类型和允许的总错误 (TEa) 值中显著降低,特别是在高可变性分析物中.
结论:
- 通过利用自动编码器进行特征提取,PCRTQC-NN有效地增强了系统错误检测.
- 该模型通过强大的分析特征模型提高了实验室效率和实验室间标准化.
- 未来的多中心研究计划确认PCRTQC-NN在各种实验室环境中的广泛适用性.
