基于改良机器学习模型的肺结核患者耐药综合预测及可视化系统搭建

摘要

目的：分析基于改进机器学习模型预测肺结核患者耐药的临床价值，并搭建可视化系统进行验证。方法：回顾性选取2019年3月至2024年3月珠海市第六人民医院住院且有药物敏感性试验结果的1 025例肺结核患者为研究对象，根据耐药结核病定义将患者分为敏感组631例（药敏试验结果不存在耐药情况），RR/MDR组271例（满足利福平耐药结核病或耐多药结核病定义，但是不存在对任意一种氟喹诺酮类药物耐药），pre-XDR组123例（在耐多药结核病的基础上，同时对任意一种氟喹诺酮类药物耐药）。基于改良机器学习模型分析临床资料，帮助构建耐药结核病预测模型，同步完成特征筛选，对筛选出的特征进行价值分析，并搭建可视化系统进行验证。结果：三组患者基线资料比较显示：年龄、体质量指数（BMI）、治疗分类、肺部基础疾病、咯血、二线药物使用史、毁损肺、伴有空洞在三组间差异皆具有统计学意义（P<0.05）；基于改良机器学习模型筛选出8个变量，分别为二线药物使用史、BMI、治疗分类、毁损肺、肺部基础疾病、伴有空洞、咯血、年龄；改良机器学习模型对比传统模型预测准确率最高，AUC值为0.932 2（以RR/MDR预测为正类）和0.954 5(pre-XDR预测为正类)。结论：应用改良机器学习模型可帮助预测耐药结核病发生，辅助临床制定更有效的治疗方案。

关键词

肺结核 / 耐药 / 改良机器学习模型 / 预测 / 可视化系统