基于机器学习算法的自体外周血造血干细胞采集预测模型构建与应用

摘要：

目的 筛选自体外周血造血干细胞(peripheral blood stem cell,PBSC)采集的危险因素并建立个体风险预测模型,以提高临床中自体PBSC采集的成功率.方法 通过大数据平台收集2013年2月至2021年5月在海军军医大学第一附属医院血液科行自体PBSC采集术的恶性血液病患者757例,对患者进行单因素显著性统计学分析和多因素Logistic回归分析对PBSC采集危险因素进行筛选.采用Python 3.8.8版本、PyCharm 2021.1.3集成开发环境构建Logistic回归模型和前馈神经网络、最小二乘支持向量机、自动机器学习3种机器学习模型,并采用多种模型评价指标对其评价.结果 共收集患者PBSC采集前的指标 24 项,单因素和Logistic回归分析筛选出 11 项PBSC采集危险因素.所构建的Logistic回归模型、前馈神经网络、最小二乘支持向量机和自动机器学习模型对自体PBSC采集风险预测的准确度分别为0.822、0.873、0.875和0.973.结论 本研究所建自动机器学习模型能够准确预测自体PBSC采集结果,对提高临床自体PBSC采集成功率具有重要参考价值.

关键词：血液病、造血干细胞(PBSC)、机器学习、预测模型

所属期刊栏目：50

分类号：TP399;R552(计算技术、计算机技术)

资助基金：上海市自然科学基金20ZR1457000

在线出版日期：2023-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：398-404