基于医学检验大数据的乳腺恶性肿瘤预测模型研究

[目的]基于医学检验大数据,通过机器学习构建乳腺恶性肿瘤预测模型。[方法]收集某综合性三甲医院2016年至2021年所有门诊和住院乳腺恶性肿瘤患者的医学检验数据,并通过大数据技术处理形成机器学习数据源。采用逻辑回归二分类和支持向量机两种算法分别构建乳腺恶性肿瘤预测模型。[结果]逻辑回归二分类预测模型的AUC为0.923,F1-Score为0.875;支持向量机预测模型的AUC为0.957,F1-Score为0.912。[结论]综合评估结果显示,基于医学检验大数据构建的预测模型具有较高准确率,可以有效识别乳腺恶性肿瘤患者。因此,该模型有望成为乳腺恶性肿瘤的一种微创、低成本、快捷有效的筛查手段。

基于医学检验大数据建立与验证昆明地区人群胆红素的生物参考区间

生物参考区间是解释、分析检验结果的依据,可直接采用国家权威机构或权威刊物发表的适合实验室的生物参考区间,也可自行建立或直接引用试剂供应商提供的生物参考区间,但需对引用的生物参考区间进行验证确认[1,2]。随着计算机信息技术的发展,有众多学者提出利用实验室储存的大量数据,建立以数学统计模式为基础的生物参考区间(间接法)[3],并被美国临床实验室标准化委员会(CLSI)和国际临床化学联合会(IFCC)共同颁布的导则EP28-A3c所认可。2018年4月27日中华人民共和国国家卫生健康委员会发布了国家行业标准WS/T 404.4-2018《临床常用生化检验项目参考区间第4部分:血清总胆红素、直接胆红素》。该行业标准的参考样本选择了东北(沈阳)、华北(北京)、西北(西安)、华东(上海)、华南(广州)和西南(成都)6地区城乡居民。