基于检验大数据的多尺度肺恶性肿瘤预测模型研究  

作　　者：王莹[1] 顾大勇[1] 

机构地区：[1]深圳市第二人民医院,广东深圳518035

出　　处：《电脑知识与技术》2023年第20期40-42,50,共4页Computer Knowledge and Technology

基　　金：广东省科技计划项目(No.2021A1515220084,No.2020B1111160001)。

摘　　要：目的:在多尺度肺恶性肿瘤预测模型中发掘检验项目的价值及其不同尺度对预测能力的影响。方法:收集深圳市某综合性三甲医院2016—2021年诊断结果为肺恶性肿瘤的21270例患者的全量检验项目(1297项)的全部检验数据,通过数据集成、治理和开发形成检验大数据,采用逻辑回归二分类、支持向量机、PS-SMART和K近邻4种机器学习算法基于全量检验项目和部分检验项目分别构建预测模型,通过二分类评估和混淆矩阵评估其预测水平。结果:4种全量检验项目预测模型的准确率、精确率、召回率、ROC曲线下面积(AUC)和F1Score均高于0.920、0.930、0.850、0.980和0.940,优于部分检验项目预测模型。结论:基于全量检验项目构建肺恶性肿瘤预测模型有助于发掘检验项目的应用价值。

关 键 词：肺恶性肿瘤 医学检验 大数据 机器学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]