基于医学检验大数据和机器学习构建慢性粒细胞白血病预测模型

摘要

目的 通过大数据技术集成、治理、开发医学检验数据,构建慢性粒细胞白血病机器学习预测模型。方法 收集深圳市第二人民医院2016年10月1日-2021年9月30日全部就诊患者的全量医学检验数据并转化为大数据宽表,通过逻辑回归二分类算法构建慢性粒细胞白血病机器学习预测模型并采用混淆矩阵和二分类评估两种方法分别进行评估。结果 基于1301项医学检验项目生成的机器学习预测模型的二分类评估结果:AUC为0.9776,F1Score为0.9232;混淆矩阵评估结果:准确率为94.518%,精确率为92.575%,召回率为91.947%。结论 本研究基于真实医学检验大数据,构建的慢性粒细胞白血病机器学习预测模型能够区分慢性粒细胞白血病患者与普通人,有望成为一种新的慢性粒细胞白血病的快速、非侵入式、普适性的辅助诊断方法。