基于常规检验数据的肺结核继发脊柱结核智能风险评估
王晶磊1
贺永雄2
王哲3
宋彪3
李明东1
1.570100 海口,海南医科大学附属海南医院,海南省人民医院创伤骨科2.570311 海口,海南医科大学第二附属医院脊柱外科3.010010 呼和浩特,内蒙古上医智检大数据研究院
摘要：目的 探讨利用常规检验数据建立肺结核合并脊柱结核鉴别分析模型的应用价值.方法 回顾收集 2011 年 1 月至 2024 年 2 月,海南省人民医院初诊为肺结核、脊柱结核及肺外结核患者的常规检验数据.共纳入单纯脊柱结核 346 例、肺外结核 611 例(不包含脊柱结核)、脊柱合并肺结核 233 例、肺结核 800 例,按 8∶2 比例设置训练组与测试组.基于深度学习、神经网络建立模型对两种场景进行建模:脊柱结核与肺外结核的鉴别、脊柱结核合并肺结核与肺外结核的鉴别.通过 Shapley 加法解释(Shapley additive explanations,SHAP)算法分析模型特征贡献,采用受试者工作特征曲线-曲线下面积(receiver operating characteristic-area under the curve,ROC-AUC)值、灵敏度及特异度等指标评估模型性能.结果 单纯脊柱结核与肺外结核鉴别模型在测试集的 ROC-AUC 值为 0.861,准确率 81.18%,灵敏度 72.12%,特异度 86.34%;脊柱结核合并肺结核与肺外结核鉴别模型在测试集的 ROC-AUC 值为 0.858,准确率 78.06%,灵敏度 80.21%,特异度 77.51%.结论 本研究构建的两种基于常规检验数据的机器学习模型能够作为临床决策辅助工具,将大数据技术应用于肺结核患者常规检验数据以实现脊柱结核继发风险评估,形成高效、低成本的辅助分析工具.
关键词：结核脊柱肺危险性评估
分类号：R681.5(骨科学（运动系疾病、矫形外科学）)
资助基金：海南省卫生健康行业科研项目(22A200081)
论文发表日期：2025-10-19
在线出版日期：2025-11-06（本平台首次上网日期，不代表文献的发表时间）
页数：7( 913-919 )
英文信息