人工智能算法模型在创伤患者下肢静脉血栓栓塞症诊断中的预测价值

作者：高远; 潘晓英; 李建涛; 付小洁; 邱晨; 皮红英^*

来源：中华创伤杂志, 2021, 37(10).

• 静脉血栓栓塞症
• 人工智能
• 随机森林

目的探讨人工智能算法模型在创伤患者下肢静脉血栓栓塞症(VTE)诊断中的预测效能。方法回顾性收集1992年12月至2017年11月中国人民解放军总医院信息系统数据库中骨折手术患者资料, 共15 856例。按照患者有无血栓将其分组, 并进行数据预处理和特征提取。选择随机森林(RF)、贝叶斯(Bayes)、决策树(DTC)及梯度提升树(GBDT)4种常用算法构建VTE风险预测模型, 根据院内患血栓与否进行随机分层抽样, 将原始数据按8∶2的比例分为训练集和测试集。通过比较上述方法中受试者工作特征曲线(ROC)下面积(AUC)、真阳性率(TPR)和精确度, 评估不同模型在VTE临床诊断中的效能。根据研究特征在模型中的贡献程度进行重要特征排序, 筛选VTE的重要预测特征。结果 RF、Bayes、DTC和GBDT模型AUC分别为0.89, 0.86, 0.68, 0.71, TPR分别为0.29, 0.44, 0.38, 0.66, 精确度分别为0.97, 0.94, 0.95, 0.76;其中RF模型AUC最大, 精确度最高。对各VTE人工智能预测模型的重要特征分析表明, 血栓病史可以作为不良结局的首要预测因素。RF模型重要临床特征排序为:血栓病史、依诺肝素钠注射液剂量、最后一次葡萄糖测定结果、术后首次葡萄糖测定结果等。结论 RF模型在创伤患者VTE风险预测中的精确度最高, 能够为VTE预防策略制订提供参考依据。

• 单位
  中国人民解放军总医院; 西安邮电大学