加载中........
×

ARCH PATHOL LAB MED:利用机器学习简化临床实验室中质谱数据的质量审查

2019/10/22 作者:gladiator   来源:MedSci原创 我要评论0
Tags: 机器学习  简化  

临床质谱仪(MS)检测的周转时间和工作效率会影响将检测结果通知给病人的时间,这主要是由于MS数据分析质量手工核查时间的影响。

本研究的目的是确定使用标准机器学习算法创建的分类模型是否可以验证分析上可接受的MS结果,从而减少手工核查的需求。

研究人员通过气相色谱-质谱分析1267份尿液样本中的THC-COOH获得回顾性数据。这些样本的数据之前都被标记为分析上不可接受或人工审核可以接受。研究人员将数据集随机分成训练数据和测试数据(分别包括848419个样本),在每组结果中维持可接受(90%)和不可接受(10%)的比例。使用分层10倍交叉验证评估6个监督机器学习算法的能力区分不可接受的和可以接受的分析训练数据集的结果。使用召回率最高的分类器构建最终模型,并根据测试数据集评估其性能。

6个分类器的比较测试中,基于支持向量机算法的模型的查全率和可接受精度最高。优化后,该模型能够正确识别测试数据集(100%召回率)中所有不可接受的结果,准确率为81%

研究表明,自动数据核查确定了测试数据集中所有分析上不可接受的分析,同时将手动核查要求降低了大约87%。这种自动化策略可以将手工核查集中在可能有问题的分析上,从而在不降低质量的情况下提高处理量和周转时间。

原始出处:

Min Yu, MD, PhD; Lindsay A. L. Bazydlo, PhD;Streamlining Quality Review of Mass Spectrometry Data in the Clinical Laboratory by Use of Machine Learning

本文系梅斯医学(MedSci)原创编译整理,转载需授权!




小提示:78%用户已下载梅斯医学APP,更方便阅读和交流,请扫描二维码直接下载APP

所属期刊:ARCH PATHOL LAB MED 期刊论坛:进入期刊论坛
版权声明:本文系梅斯MedSci原创编译整理,未经本网站授权不得转载和使用。如需获取授权,请点击

只有APP中用户,且经认证才能发表评论!马上下载

web对话