基于机器学习的支原体肺炎诊断中临床表现与生化指标的关键特征分析.pdfVIP

第30卷第14期现代计算机

2024年7月25日ModernComputer·9·

文章编号:1007‐1423（2024）14‐0009‐09DOI:10.3969/j.issn.1007‐1423.2024.14.002

基于机器学习的支原体肺炎诊断中临床表现与生化指标的

关键特征分析

1121111*

茅荣智，陆小花，裴佳璐，鲍国明，张春，许晓军，谢良旭

（1.江苏理工学院电气信息工程学院生物信息与医药工程研究所，常州213001；

2.江苏理工学院计算机工程学院，常州213001）

摘要：支原体肺炎病例的诊断过程中涉及大量的临床指标和生物化学指标，由于没有统一的单一确诊指标，医生

常常面临如何正确诊断的困扰。为获得支原体肺炎诊断和评估中的关键临床表现指标和生物化学指标，采用多种机器

学习分类模型进行定量分析。首先，通过机器学习方法对21项临床指标和22项生物化学指标进行训练，通过计算模型

的准确率（Accuracy）、精度（Precision）、召回率（Recall）和F1分数，获得可以准确进行是否患有支原体肺炎的分类机器

学习模型；在保证模型可靠性的基础上，进行特征重要性评估，然后对重要特征进行筛选和分析。综合结果分析表明，

在临床表现数据中，ThreeConcaveSign.1、CoughNature、MoistCrackles、RhonchusorWheeze以及PleuralEffusion指

标对模型分类能力的影响最为显著，在生物化学数据中，NucleicAcidPCR、IgM（acutestage）、Whitebloodcell

（WBC）、CRP（CReactionProtein）以及Lymphocyte%（L）这五项指标对模型分类的影响最大。该研究为支原体肺炎的关

键特征筛选和分析提供了关键指标，为临床诊断和评估提供了基础参考。

关键词：支原体肺炎；机器学习；特征评估；特征筛选；特征分析

［4］

0引言区流行，3～13岁儿童易于感染。支原体肺炎

在我国北方地区以冬季多发，南方地区则夏秋

社区获得性肺炎（community‐acquiredpneu‐

季节多发。临床表现主要为咳嗽和发热。当疾

monia，CAP）通常由细菌、真菌或病毒引起，常

病发生时，由于支原体肺炎没有明确的临床表

见的病原体包括人鼻病毒、流感病毒和肺炎支

现与生物化学指标，易与流感等多发性疾病混

原体（mycoplasmapneumoniae，MP）。肺炎支原淆，导致部分患者不能及早获得治疗，部分患

体肺炎（mycoplasmapneumoniaepneumonia，MPP）者因病情较重发展为重型支原体肺炎（severemy‐

是由MP感染引起的呼吸道感染性疾病，占据coplasmapneumoniaepneumonia，SMPP），从无

CAP的12%，在所有非典型病原体CAP中的比症状的呼吸道感染到严重的肺部炎症，甚至出

［1］［5‐6］

例超过50%。我国的两项全国性成人CAP报现呼吸困难和肺实变体征。SMPP在流行病学

［2］［3］

告