应用机器学习构建细菌性脓毒症的菌型预测模型

作者：陈秀娟; 孙新; 梁会营^*

来源：中国数字医学, 2019, 14(03): 31-33.

DOI：10.3969/j.issn.1673-7571.2019.03.008

• 机器学习
• XGBoost算法
• 细菌性脓毒症
• 菌型预测

目的:应用机器学习方法构建细菌性脓毒症患者的菌型预测模型,辅助医生进行病情严重程度的评估以及抗感染治疗。方法:选取MIMIC-Ⅲ数据库中的脓毒症患者199例,其血培养结果均为阳性的单一菌种,其中G+菌117例,G-菌82例。收集患者在血培养前检测的体重、白蛋白(ALB)、C-反应蛋白(CRP)、血小板(PLT)、中性粒细胞(NEUT),结合年龄作为主要研究变量,然后采用XGBoost算法构建菌型预测模型。结果:模型的灵敏度、特异性、准确率和AUC值分别是0.83、0.88、0.85和0.83。结论:基于XGBoost算法的G+菌和G-菌的预测模型可以预测细菌性脓毒症患者感染的菌型,从而辅助医生评估脓毒症患者的病情,指导抗菌用药。

• 单位
  广州市妇女儿童医疗中心