“慢性癌症”不容忽视！这个医学检验模型让诊断更准确!

年龄越大，患心力衰竭这种“慢性癌症”的可能性越大。心力衰竭的常见症状是胸闷、呼吸困难，但其他疾病如慢阻肺也是这种症状，就像一团雾，需要医学的检测数据才能“廓清”眼界。

但医学检测也存在“灰色地带”——血浆中NT-proBNP的检测值低于300是正常的，高于900就可以判定为心力衰竭，300-900之间的数值就是“灰色区间”。公共医院医学实验室主任刘兴会解释说:“300是正常的，那么850也是正常的吗？要达到跨度600的‘灰度值区间’，需要一个‘老司机’来驾驭。”而很多没有经验的医生，或者一些远郊、贫困地区的基层医生，对于这个“灰值区间”很难做出决定，可能会耽误治疗时机。

随着检验医学的快速发展，经过多年的信息化建设，实验室信息系统积累和沉淀了大量的患者检验数据。近年来，巩俐医院医学实验室通过数据挖掘技术，从多维度、复杂的海量数据中挖掘出对医生、患者和检验技术人员有价值的参考信息，并根据历史数据分析某些疾病与某些因素的相关性，为疾病的诊断和治疗提供科学决策，从而帮助临床提高疾病的诊断效率。

2017年，刘兴会的研究小组试图利用医院积累的海量数据和数据挖掘软件，提取诊断心力衰竭的关键临床试验指标。在研究期间，收集了2013年1月至2018年12月近4万名接受NT-proBNP检测的住院患者的临床资料和检测数据。

课题组骨干、科副主任徐利民介绍，经过数据清洗、特征筛选等步骤，筛选出9483例NT-proBNP住院患者，根据临床出院诊断分为心力衰竭组和非心力衰竭组。然后按一定比例分层选取一个训练集(6638例)和一个测试集(2845例)，用训练集数据构建NT-proBNP灰度值心力衰竭患者的判别模型并进行检验。结果表明，利用机器学习算法构建的NT-proBNP灰色患者心力衰竭判别模型，对于一些临床上不能快速识别的疑似心力衰竭患者具有一定的应用价值，可以帮助临床医生在危急情况下快速准确地做出决策，挽救患者的生命。

上海市炎症与慢性病管理人工智能重点实验室位于巩俐医院。it负责人迟永斌介绍，数据挖掘是近几年发展起来的信息处理技术。将数据挖掘技术应用到医学信息数据库中，可以找出精细的医学诊断规则和模式，对具有相同病因和共同发病机制的患者亚组进行准确的诊断、评估、预测、治疗和预防，帮助患者康复。"我们在这个领域取得了有价值的研究成果."