换一批基于血液分析仪参数构建急性早幼粒细胞白血病机器学习预警模型
A machine learning early warning model for acute promyelocytic leukemia based on blood cell analyzer parameters
摘要目的 基于血液分析仪参数构建急性早幼粒细胞白血病(APL)机器学习(ML)预警模型,并分析APL特有的参数特征,为临床早期诊断APL提供参考.方法 收集2018年1月—2024年9月山东第一医科大学附属省立医院958例血液肿瘤[APL、其他急性髓系白血病(AML)、淋巴组织肿瘤]患者和985名健康对照者血液分析仪检测数据.将2018年1月—2023年12月的数据纳入建模集,2024年1-9月的数据纳入外部验证集.通过拉索、支持向量机递归特征消除、随机森林3种算法筛选建模参数.分别采用轻量梯度提升机、支持向量机、多层感知器、多项逻辑回归、随机森林算法构建APL预警模型.根据受试者工作特征曲线的曲线下面积(AUC)筛选最佳模型,并进行十折交叉验证和外部验证.通过SHAP解释模型特征贡献度.结果 5种ML模型中,轻量梯度提升机算法构建的APL预警模型在测试集中综合性能最优(AUC为0.974),其在测试集中预测APL的AUC为0.976,精确率-召回率曲线下面积(PR-AUC)为0.906;十折交叉验证中的AUC和PR-AUC均>0.835.在外部验证集中,该模型预测APL的AUC为0.969、PR-AUC为0.718.SHAP解释结果显示,血小板(PLT)计数、单核细胞区域侧向散射光强度(MO_X)、平均红细胞血红蛋白浓度(MCHC)对APL预警模型预测贡献度最为显著.结论 基于血液分析仪参数采用轻量梯度提升机算法构建的APL预警模型能有效支持APL的早期识别和诊断.
更多相关知识
关键词
血液分析仪参数急性早幼粒细胞白血病机器学习早期预警模型血液肿瘤Blood cell analyzer parameterAcute promyelocytic leukemiaMachine learningEarly warning modelHematologic malignancy
分类号
R446.1（诊断学）
栏目名称
DOI
10.3969/j.issn.1673-8640.2025.12.009
发布时间
2026-01-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山东省自然科学基金面上项目（ZR2021MH295）
山东第一医科大学附属省立医院横向课题（1665387000050）
- 浏览15
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
