施方静, 胡姗姗, 罗信国, 朱艳, 俞方泉, 叶虹位, 蒋志勇, 童雅君, 俞海红, 俞康丽
目的 基于机器学习算法构建急性早幼粒细胞白血病(APL)患者凝血功能异常的预测模型,并对模型预测效能进行验证。
方法 选取某院2020年1月至2023年7月收治的APL患者140例作为建模组,根据患者是否发生凝血功能异常分为发生组(n = 96)与未发生组(n = 44)。另选取2023年8月至2025年1月APL患者60例作为验证组。收集患者的实验室指标与临床资料,采用单因素分析,并使用logistic回归、决策分类回归树(DCRT)、反向传播神经网络(BPNN)的机器学习算法构建APL患者发生凝血功能异常的预测模型,并采用受试者工作(ROC)曲线、决策曲线(DCA)比较3种方法构建的模型的预测价值。
结果 单因素分析结果表明,两组患者出血、危险分层、活化部分凝血活酶时间(APTT)、凝血酶原时间(PT)以及乳酸脱氢酶(LDH)、白细胞计数(WBC)、肿瘤坏死因子-α(TNF-α)、白细胞介素-6(IL-6)、D-二聚体(D-D)、纤维蛋白原降解产物(FDP)、纤维蛋白原(FIB)的水平差异均有统计学意义(P < 0.05)。3种机器学习算法构建的模型曲线下面积(AUC)均 > 0.800,预测准确性良好(P < 0.05)。其中BPNN模型预测APL患者发生凝血功能异常的效能最优,AUC为0.950(95%CI:0.916 ~ 0.984),模型的区分能力良好。基于BPNN模型的DCA曲线表明,当高风险阈值概率设定在0.10之后,模型明显优于“全干预”和“不干预”策略,提示可将高风险阈值概率 ≥ 0.10作为临床启动APL患者凝血功能异常干预的最佳风险切分点。
结论 APL患者发生凝血功能异常与上述11个特征因素存在较强的相关性,基于机器学习算法构建的APL患者发生凝血功能异常的预测模型均有较好的预测效能,其中以BPNN模型的预测效能最高。