使用生物标志物建立机器学习模型用于菌血症的早期预测

作     者：郑锦利 苏明宽 吴海英 ZHENG Jin-li;SU Ming-kuan;WU Hai-ying

作者机构：福建医科大学附属闽东医院福安355000 

出 版 物：《实用中西医结合临床》 (Practical Clinical Journal of Integrated Traditional Chinese and Western Medicine)

年 卷 期：2024年第24卷第9期

页      面：1-4,8页

学科分类：1004[医学-公共卫生与预防医学(可授医学、理学学位)] 100401[医学-流行病与卫生统计学] 10[医学] 

基　　金：福建省自然科学基金项目(编号:2021J011447) 

主　　题：菌血症 降钙素原 C反应蛋白 中性粒细胞明胶酶相关脂质运载蛋白 机器学习模型 

摘      要：目的 通过从若干与感染相关的生物标志物中筛选出最佳特征子集用于构建机器学习模型,用于菌血症的早期预测。方法 选取2017年1月至2022年12月于医院住院治疗的细菌感染患者509例,根据血培养结果分为病例组(菌血症患者,247例)与对照组(局部感染患者,262例),并纳入12项生物标志物。通过特征选择算法筛选最佳特征子集,并以此构建机器学习模型。通过精确率、召回率和准确率综合评估机器学习模型的性能。结果 通过特征选择算法,发现支持向量机(SVM)模型只需纳入5项生物标志物,其模型准确率为90.20%,曲线下面积(AUC)高达0.967。结论 通过特征选择算法与机器学习模型相结合的策略,本研究开发了3种菌血症的预测模型,其中SVM的性能最佳,为菌血症的早期诊断提供了数据支持。