医学检验网（这个医学检验模型让诊断更准确）

医疗检测网络(这种医疗检测模式使诊断更加准确)

年龄越大，心力衰竭成为“慢性癌症”的几率越大。心力衰竭的常见症状是胸闷和呼吸困难。但是，其他疾病如慢性阻塞性肺疾病(COPD)也是这种症状。就像一场雾，需要医学检测数据来“廓清”地平线。

然而，医学检验中也存在“灰色地带”——血浆NT-proBNP低于300的检测值是正常的，高于900的值可以判断心力衰竭，300-900之间的值就是“灰色值区间”。巩俐医院医学实验室主任刘兴会解释说:“300是正常的，那么850是正常的？跨度为600的‘灰度值区间’需要‘老司机’来掌控。”而很多没有经验的医生，或者远郊、贫困地区的一些基层医生，对于这个“灰值区间”很难做出决策，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，检验信息系统积累和沉淀了大量的患者检验数据。近年来，巩俐医院医学检验科通过数据挖掘技术，从多维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，刘兴会的研究小组利用医院积累的海量数据，借用数据挖掘软件，试图提取出诊断心力衰竭的关键临床试验指标。研究期间收集了2013年1月至2018年12月近4万例NT-proBNP住院患者的临床资料和检验数据。

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检测的住院患者，按照临床出院诊断分为两组:心力衰竭和非心力衰竭。然后按照一定的比例，分层抽样选取训练集(6638例)和测试集(2845例)，利用训练集数据构建NT-proBNP灰色患者心力衰竭判别模型，并进行检验。结果表明，利用机器学习算法构建的NT-proBNP灰度值心力衰竭患者判别模型，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，可以帮助临床医生快速准确地做出决策，挽救患者的生命。

位于巩俐医院的上海市炎症与慢性病管理人工智能重点实验室负责人迟永斌介绍，数据挖掘是近年来才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，可以发现精细的医学诊断规则和模式，可以准确地诊断、评估、预测、治疗和预防具有相同病因和共同发病机制的患者亚组，帮助患者恢复健康。”我们在这方面取得了有价值的研究成果.”