基于实验室指标的新型冠状病毒肺炎鉴别诊断模型

作者：朱碧云; 王妮; 陈卉; 应晓飞; 康娜; 张淳^*

来源：北京生物医学工程, 2022, 41(05): 483-487.

DOI：10.3969/j.issn.1002-3208.2022.05.008

• 新型冠状病毒肺炎
• 实验室指标
• 机器学习
• 鉴别诊断

目的 基于实验室指标数据建立新型冠状病毒肺炎与流感病毒性肺炎的鉴别诊断模型，并评价模型的性能，为两种疾病的鉴别诊断提供依据。方法 收集2020年1月至6月住院的175名新型冠状病毒肺炎患者和2019年同期住院的157名流感病毒性肺炎患者入院后的首次实验室数据，分别利用机器学习中的决策树及决策树的集成算法随机森林和XGBoost(eXtreme gradient boosting)建立鉴别诊断模型，通过准确率、F1分数和接受者操作特征(receiver operating characteristic, ROC)曲线下面积评价和比较三种模型的预测效果。结果 决策树、随机森林和XGBoost模型的准确率分别为0.831、0.892和0.898,F1分数分别为0.836、0.894和0.902,ROC曲线下的面积分别为0.862、0.958和0.963。随机森林和XGBoost模型的诊断性能明显优于决策树模型。结论 利用实验室指标能够建立高性能的新型冠状病毒肺炎鉴别诊断机器学习模型，这些模型有望帮助医生进行新型冠状病毒肺炎与流感病毒性肺炎的鉴别诊断。

• 单位
  首都医科大学; 生物医学工程学院; 首都医科大学附属北京地坛医院