基于机器学习的脓毒血症诊断模型研究

摘要

cqvip:目的 采用代谢组学技术和reliefF特征评估方法筛选出脓毒血症患者血液中的特异度差异代谢物,为脓毒血症机制研究提供理论依据,采用机器学习技术构建脓毒血症诊断模型,为脓毒血症诊断提供了一种智能决策方法.方法 收集2014年1月至2015年1月期间16例脓毒血症患者,同时选取16例健康人作为对照组,分别抽取脓毒血症组和健康对照组静脉血液,离心后收集血清,利用GC-MS代谢组学检测脓毒血症组和健康对照组血液代谢差异,用reliefF特征评估方法筛选脓毒血症血液中的特异度差异代谢物,采用机器学习中的SVM分类算法构建智能诊断模型.结果 最终共筛选出13个代谢差异物,两组间丙三醇、十四酸、β-D-吡喃葡萄糖苷糖醛酸和甘氨酸有显著差异(P<0.05),构建的SVM脓毒症智能诊断模型的敏感度、特异度和识别率分别达到100%、75%和87.5%.结论 在代谢组学技术基础上采用reliefF特征评估方法成功筛选出脓毒血症特异度差异代谢物,构建基于SVM的脓毒血症诊断模型,为脓毒血症诊断提供了一种智能决策方法,也为探索其他疾病诊断数学模型提供参考.