基于机器学习和差值校验的识别混淆样本方法的建立及评价

作     者：张金杰 梁玉芳 王清涛 王哲 冯祥 韩泽文 宋彪 高志琪 周睿 ZHANG Jinjie;LIANG Yufang;WANG Qingtao;WANG Zhe;FENG Xiang;HAN Zewen;SONG Biao;GAO Zhiqi;ZHOU Rui

作者机构：首都医科大学附属北京朝阳医院检验科北京100020 北京市临床检验中心北京100020 内蒙古卫数数据科技有限公司呼和浩特010000 内蒙古财经大学呼和浩特010051 

出 版 物：《临床检验杂志》 (Chinese Journal of Clinical Laboratory Science)

年 卷 期：2021年第39卷第12期

页      面：945-949页

学科分类：100208[医学-临床检验诊断学] 1002[医学-临床医学] 10[医学] 

基　　金：北京市临床重点专科卓越项目(检验科)。 

主　　题：混淆样本 差值校验 支持向量机 

摘      要：目的利用患者历史对比数据,建立基于机器学习中支持向量机(support vector machine,SVM)算法识别临床混淆样本的方法,并验证该方法的临床有效性。方法收集约45万例血常规检测结果,经过数据清洗过滤,同一患者只保留2次检验结果并计算差值校验的绝对值。用同一患者与不同患者的差值(delta)分别制作正配样本与错配样本。采用SVM分类算法实现用多项目识别2种样本,与基于单项目识别的参考变化值法(reference change value,RCV)作比较。结果SVM算法识别正配和错配2种样本,精确率达到92.21%。基于统计学的RCV方法在不同项目下效果不同,其中红细胞平均血红蛋白量(MCH)在绝对值delta下的准确率最高,为81.51%。结论基于多项目的SVM算法可识别混淆样本,可在结果审核中应用。