基于血常规指标构建急性胰腺炎预后的机器学习模型分析
陈同乐
韩保松
吴敬医
皖南医学院第一附属医院急诊内科,安徽 芜湖 241002
摘要：目的 探讨血常规指标预测急性胰腺炎(AP)预后的效能,并构建机器学习模型.方法 回顾性分析2021年1月至2024年12月收治的120例AP患者临床资料,根据治疗28 d内预后分为预后不良组和预后良好组.于入院第1日检测两组血常规指标[红细胞计数、血红蛋白、红细胞压积、白细胞计数、中性粒细胞计数、淋巴细胞计数、单核细胞计数、红细胞分布宽度(RDW-S)、血小板计数、平均血小板体积、血小板分布宽度、中性粒细胞/淋巴细胞比值(NLR)、血小板/淋巴细胞比值(PLR)、淋巴细胞/单核细胞比值(LMR)].比较两组一般资料及血常规指标,采用Lasso回归方程筛选临床变量,构建支持向量机(SVM)、逻辑回归(LR)、深度神经网络(DNN)、随机森林(RF)4种模型,并对4种模型进行外部验证,采用受试者工作特征曲线、精确率-召回率曲线(PR)、校准曲线和临床决策曲线评估4种模型对AP预后的预测效能.结果 预后不良组APACHE Ⅱ评分、严重程度床边指数评分及使用血管活性药物比例、严重低蛋白血症比例均高于预后良好组(P<0.01).预后不良组RDW-S、NLR、PLR水平均高于预后良好组,LMR水平低于预后良好组(P<0.01).Lasso回归方程最终筛选了4个非零系数变量:NLR、RDW-S、APACHE Ⅱ评分、严重低蛋白血症,基于上述变量构建SVM、LR、RF和DNN机器学习模型,RF模型预测AP预后的曲线下面积(AUC)、PR AUC及准确率、F1分数最高,综合性能最好.校准曲线显示,RF模型预测AP预后的曲线与理想曲线比较接近.决策曲线显示,当RF模型阈概率值为15%～100%时,具有明显的临床净获益率.外部验证也显示RF模型预测效能最好,校准曲线显示RF模型预测AP预后的预测曲线与实际观测曲线高度重合,决策曲线显示当RF模型在0～100%的决策阈值下能够为患者提供临床获益.结论 基于血常规指标构建的机器学习模型可对AP预后做出较为精准的预测,其中RF模型预测效能最佳,可作为临床预测AP预后的辅助工具,并可为临床治疗提供参考.
关键词：胰腺炎急性预后预测机器学习模型红细胞分布宽度中性粒细胞/淋巴细胞比值血小板/淋巴细胞比值淋巴细胞/单核细胞比值
资助基金：安徽省高校自然科学研究项目(KJ2020A0616)安徽省教育厅新时代教育质量工程(研究生教育)项目(2022zyxwjxalk155)皖南医学院校企融合发展项目(XQZD202411)
论文发表日期：2025-10-28
在线出版日期：2025-12-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 710-717 )
英文信息