首页|基于机器学习的系统性红斑狼疮预测模型

基于机器学习的系统性红斑狼疮预测模型

扫码查看
原文链接
  • 万方数据
  • 维普
目的 分析可能与系统性红斑狼疮(SLE)相关的临床特征与实验室检查结果,基于机器学习算法,构建辅助诊断SLE的预测模型.方法 收集病例样本386例,其中154例为SLE患者,232例为非SLE患者,分析性别、年龄、入院时间、出院诊断疾病名称等患者信息和抗核抗体、抗双链DNA抗体、抗史密斯抗体、抗核糖核酸蛋白抗体、免疫球蛋白G、补体C3、红细胞沉降率、抗组蛋白抗体、核小体抗体等检查指标与是否患病间的相关性,通过支持向量机、随机森林和深度神经网络3种机器学习算法,完成辅助诊断模型的构建.结果 在十折交叉验证的情况下,支持向量机、随机森林、深度神经网络构建的SLE预测模型的准确率分别可以达到96.5％、97.4％和97.6％.结论 基于深度神经网络方法构建的SLE预测模型能够有效完成SLE辅助诊断任务,进而提升医生的工作效率,并降低医生误诊的风险.

谢清华、黎照环、吴佳玲、屈晶晶、石国民

展开 >

南华大学附属长沙中心医院检验科,长沙 410004

系统性红斑狼疮 机器学习 辅助诊断

2024

10.13602/j.cnki.jcls.2024.12.04

临床检验杂志
江苏省医学会

临床检验杂志

CSTPCD
影响因子：0.746
ISSN：1001-764X
年,卷(期)：2024.42(12)