首页 > 第三军医大学学报 > 基于改进的机器学习模型对重症急性胰腺炎诊断的早期预测

基于改进的机器学习模型对重症急性胰腺炎诊断的早期预测

Early prediction of severe acute pancreatitis based on improved machine learning models

二维码有效期 120s

摘要目的基于改进的机器学习模型建立重症急性胰腺炎诊断的早期预测模型,并分析其临床价值.方法纳入 2014 年 1 月至 2023 年 8 月陆军特色医学中心消化内科、肝胆外科以及联勤保障部队第九四五医院急诊与重症医学科收治的 352 例急性胰腺炎患者,根据病情严重程度将其分为重症组(n=88)和非重症组(n=264),开展病例对照研究.利用RUSBoost模型以及改进的阿基米德优化算法,分析入院48h内的 39 项常规实验室生化指标,帮助构建重症急性胰腺炎早期诊断预测模型,同步完成特征筛选和超参数优化,并利用ReliefF算法特征重要性排序和Logistic多因素分析,对筛选出的特征进行价值分析.结果在训练集上,改进机器学习模型的曲线下面积(area under curve,AUC)为0.922;在测试集上,改进机器学习模型的AUC达到了 0.888.基于改进机器学习模型筛选出的预测重症急性胰腺炎发生的4 个关键特征分别为C反应蛋白、血氯、血镁、纤维蛋白原水平,与ReliefF算法特征重要性排序和Logistic多因素分析结果相吻合.结论应用改进机器学习模型分析实验室检查结果,可帮助临床早期预测重症急性胰腺炎的发生.

作者李龙 ^[1] 尹梁宇 ^[2] 种菲菲 ^[2] 童宁 ^[2] 黎娜 ^[2] 刘洁 ^[2] 余相江 ^[3] 王耀丽 ^[4] 许红霞 ^[2] 学术成果认领

作者单位 400042 重庆,陆军特色医学中心临床营养科;625000 四川雅安,联勤保障部队第九四五医院急诊与重症医学科 ^[1] 400042 重庆,陆军特色医学中心临床营养科 ^[2] 625000 四川雅安,联勤保障部队第九四五医院急诊与重症医学科 ^[3] 400042 重庆,陆军特色医学中心重症医学科 ^[4]

关键词重症急性胰腺炎机器学习模型阿基米德优化算法 C反应蛋白镁 severe acute pancreatitis machine learning models archimedes optimization algorithm C-reactive protein magnesium

分类号 R181.32（流行病学与防疫）R319（医用一般科学）R576.04（消化系及腹部疾病）

栏目名称

临床医学

DOI 10.16016/j.2097-0927.202309150

发布时间 2024-04-19（万方平台首次上网日期，不代表论文的发表时间）