陈斌 , 胡炜 , 刘东丽
目的:通过机器学习,建立一套智能化的重症急性胰腺炎(SAP)的辅助诊断模型,及时、高效地辅助医生判断患者急性胰腺炎(AP)严重程度,辅助SAP的诊断,便于早期干预,提高预后.方法:收集近3年急诊科及消化内科的122例AP患者的临床数据.将发生SAP的患者纳入SAP组,未发生SAP的患者纳入非SAP组.使用单因素分析筛选指标,包括患者一般情况、检查、检验等.将筛选出的指标纳入预测模型,建立两种机器学习模型:逻辑回归模型、人工神经网络模型(ANN).比较两者的受试者工作特征曲线下面积(AUC)、特异度、敏感度.结果:39例(34.8%)患者确诊SAP.通过单因素分析,SAP组具有更高的糖尿病病史比例、白细胞介素6(IL-6)、C反应蛋白(CRP)、D-二聚体、凝血酶原时间(PT)、部分凝血活酶时间(TT)以及肌酐值;非SAP组则有更高的血细胞压积(HCT)和纤维蛋白原(FIB)水平.逻辑回归模型的变量选择了
IL-6、肌酐和FIB.模型的特异度为74.82%,敏感度为80.35%,准确度为76.17%,AUC为0.802(95%置信区间为0.762~0.875);人工神经网络模型的变量选择了
IL-6、肌酐、HCT、D-二聚体和TT.模型的特异度为75.30%,敏感度为85.28%,准确度为78.25%,AUC为0.865(95%置信区间为0.781~0.886).结论:人工神经网络模型相比逻辑回归模型的准确性更佳且两种模型均比评分使用简便.SAP辅助诊断系统的建立,有助于临床医生快速决策、确诊疾病,进而确定治疗方案,具有良好的应用前景.