基于机器学习和差值校验的识别混淆样本方法的建立及评价

• 作者: 张金杰 梁玉芳 王清涛 王哲 冯祥 韩泽文 宋彪 高志琪 周睿
• 来源期刊: 临床检验杂志
• 学科: 医学
• 关键词: 混淆样本 差值校验 支持向量机
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 质量管理研究
• 页码范围: 945-949
• 页数: 5页
• 分类号: R446
• 语种: 中文
• DOI: 10.13602/j.cnki.jcls.2021.12.15

摘要

目的 利用患者历史对比数据,建立基于机器学习中支持向量机(support vector machine,SVM)算法识别临床混淆样本的方法,并验证该方法的临床有效性.方法 收集约45万例血常规检测结果,经过数据清洗过滤,同一患者只保留2次检验结果并计算差值校验的绝对值.用同一患者与不同患者的差值(delta)分别制作正配样本与错配样本.采用SVM分类算法实现用多项目识别2种样本,与基于单项目识别的参考变化值法(reference change value,RCV)作比较.结果 SVM算法识别正配和错配2种样本,精确率达到92.21％.基于统计学的RCV方法在不同项目下效果不同,其中红细胞平均血红蛋白量(MCH)在绝对值delta下的准确率最高,为81.51％.结论 基于多项目的SVM算法可识别混淆样本,可在结果审核中应用.