获取途径

作者

常楠 魏亚丽 路其凤 李钿 侯婷婷 李远 朱梦羽 沈亚娟

作者单位

山东第一医科大学附属省立医院临床医学检验部

刊名

检验医学

年份

2025

卷号

第12期

ISSN

1673-8640

关键词

血液分析仪参数 急性早幼粒细胞白血病 机器学习 早期预警模型 血液肿瘤

分类号

R446.1

摘要

目的 基于血液分析仪参数构建急性早幼粒细胞白血病机器学习预警模型，并分析APL特有的参数特征，为临床早期诊断APL提供参考。方法 收集2018年1月—2024年9月山东第一医科大学附属省立医院958例血液肿瘤[APL、其他急性髓系白血病、淋巴组织肿瘤]患者和985名健康对照者血液分析仪检测数据。将2018年1月—2023年12月的数据纳入建模集，2024年1—9月的数据纳入外部验证集。通过拉索、支持向量机递归特征消除、随机森林3种算法筛选建模参数。分别采用轻量梯度提升机、支持向量机、多层感知器、多项逻辑回归、随机森林算法构建APL预警模型。根据受试者工作特征曲线的曲线下面积筛选最佳模型，并进行十折交叉验证和外部验证。通过SHAP解释模型特征贡献度。结果 5种ML模型中，轻量梯度提升机算法构建的APL预警模型在测试集中综合性能最优，其在测试集中预测APL的AUC为0.976，精确率-召回率曲线下面积为0.906；十折交叉验证中的AUC和PR-AUC均＞0.835。在外部验证集中，该模型预测APL的AUC为0.969、PR-AUC为0.718。SHAP解释结果显示，血小板计数、单核细胞区域...更多

目的 基于血液分析仪参数构建急性早幼粒细胞白血病机器学习预警模型，并分析APL特有的参数特征，为临床早期诊断APL提供参考。方法 收集2018年1月—2024年9月山东第一医科大学附属省立医院958例血液肿瘤[APL、其他急性髓系白血病、淋巴组织肿瘤]患者和985名健康对照者血液分析仪检测数据。将2018年1月—2023年12月的数据纳入建模集，2024年1—9月的数据纳入外部验证集。通过拉索、支持向量机递归特征消除、随机森林3种算法筛选建模参数。分别采用轻量梯度提升机、支持向量机、多层感知器、多项逻辑回归、随机森林算法构建APL预警模型。根据受试者工作特征曲线的曲线下面积筛选最佳模型，并进行十折交叉验证和外部验证。通过SHAP解释模型特征贡献度。结果 5种ML模型中，轻量梯度提升机算法构建的APL预警模型在测试集中综合性能最优，其在测试集中预测APL的AUC为0.976，精确率-召回率曲线下面积为0.906；十折交叉验证中的AUC和PR-AUC均＞0.835。在外部验证集中，该模型预测APL的AUC为0.969、PR-AUC为0.718。SHAP解释结果显示，血小板计数、单核细胞区域侧向散射光强度、平均红细胞血红蛋白浓度对APL预警模型预测贡献度最为显著。结论 基于血液分析仪参数采用轻量梯度提升机算法构建的APL预警模型能有效支持APL的早期识别和诊断。收起

基金

山东省自然科学基金

文献类型

期刊

浏览量

7