医学检验网（这个医学检验模型让诊断更准确）

年纪越大，发生心衰这种“慢性癌症”的几率就越大。心衰的常见症状是胸闷、呼吸困难，然而慢阻肺等其他疾病也是这个症状，就像一团迷雾，需要医学检验数据来“明晰”视界。

然而，医学检验也存在“灰色地带”——血浆NT-proBNP检测值低于300是正常，高于900可以判断心衰，介于300到900的就是“灰值区间”。公利医院医学检验科主任刘兴晖解释：“300算正常，那么850算正常吗？跨度达到600的‘灰值区间’，需要‘老司机’才能驾驭。”然而，很多经验不甚丰富的医生，或者一些远郊、贫困地区的基层医生，对于这个“灰值区间”难以决策，有可能耽误治疗良机。

随着检验医学的飞速发展，经过多年的信息化建设，检验信息系统已经积累和沉淀了海量的患者检验数据。近年来，公利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、患者和检验技师有价值的参考信息，并根据历史数据，分析出某些疾病跟某些因素的相关性，为疾病的诊断和治疗提供科学的决策，从而助力临床提高对疾病的诊断效率。

2017年，刘兴晖课题组利用医院已累积的海量数据，借用数据挖掘软件，尝试提取诊断心力衰竭的临床检验关键指标群。在研究期间，累计收集了2013年1月到2018年12月近4万例NT-proBNP检测的住院患者临床资料和检测数据。

课题组骨干、科室副主任徐莉敏介绍，经过数据清洗、特征筛选等步骤，挑选了9483例NT-proBNP检测的住院患者，根据临床出院诊断分为心衰与非心衰两组，再按一定比例分层抽选，建立训练集（6638例）和测试集（2845例），用训练集数据构建NT-proBNP灰值患者心力衰竭判别模型，并用测试集数据进行评价。结果证实，用机器学习算法的方式构建的NT-proBNP灰值患者心力衰竭判别模型，对于临床上部分可疑心力衰竭无法快速鉴别的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，于危急之中挽救患者的生命。

上海市炎症与慢病管理人工智能重点实验室设在公利医院，其负责人池永斌介绍，数据挖掘是近几年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，可以发现其中精细的医学诊断规则和模式，可对具有相同病因、共同发病机制的患者亚群实现精准的诊断、评估、预测、治疗和预防，帮助患者恢复健康。“我们在这方面已经取得过很有价值的研究成果。”