来源：期刊VIP网 时间：
作者：李婷婷;刘欢庆;雷倩;尤著宏;赵国连;
单位：西安市胸科医院药物临床试验机构办公室;西北工业大学信息化管理处;西安市胸科医院药剂科;西安市胸科医院检验科;
摘要：目的：构建基于机器学习的结核性胸膜炎诊断预测模型，提高临床诊断准确性。方法：回顾性收集2020年1月至2021年12月期间西安市胸科医院收治的523例胸腔积液患者（结核性胸膜炎375例，非结核性胸膜炎148例）的临床资料。纳入腺苷脱氨酶（adenosine deaminase,ADA）、结核感染T细胞斑点试验（T-SPOT.TB）、C反应蛋白（C-reactive protein,CRP）等15项指标，采用随机森林、支持向量机、神经网络等7种机器学习算法构建预测模型，通过5折交叉验证评估模型性能，使用SHapley加法解释（SHapley Additive exPlanations,SHAP））算法进行特征重要性分析。结果：神经网络模型性能最优，测试集曲线下面积（area under the curve,AUC）为0.932，准确率为88.6%，精确率和召回率分别为94.4%和89.3%。SHAP分析显示，ADA(SHAP值为0.12～0.18)和T-SPOT.TB(SHAP值为0.10～0.15)是最重要的预测因子，且两者存在显著协同效应（P<0.001）。结论：本研究构建的神经网络模型具有较高的诊断效能，通过可解释性分析明确了关键预测因子及其交互作用，为结核性胸膜炎的精准诊断提供了新工具。该模型可辅助临床决策，特别适用于传统诊断中的“灰色区域”病例。
关键词：结核;;胸膜炎;;诊断,计算机辅助;;模型,统计学;;人工智能
