| 摘 要： | 目的 利用人工智能的方法建立尿液分析系统自动审核规则，并且优化后用于临床评价。方法 收集北京首都医科大学附属朝阳医院2022年7月至2023年6月的尿液标本16 000例，阳性标本(尿干化学及尿沉渣结果任何一项出现阳性的标本)4 889例，以及阴性标本(尿干化学及尿沉渣结果均为阴性)11 111例。进行第一次方法训练，得到一组自动审核规则及方法A,评价其预测性能。所有标本均经显微镜镜检复核，结合临床患者基本信息、尿干化学、尿沉渣以及显微镜检测结果，均一致的标本标记为阴性通过，反之标记为阳性拦截。经统计，被拦截的标本为786例，将这786例标本作为重点样本组，其余的阳性标本为非重点样本组，进行第二次方法训练，得出最终自动审核的规则及方法B,并评价其预测性能。对两次预测结果进行判断(包括假阴性率、假阳性率、真阴性率、真阳性率),同时计算其诊断效能指标(包括放行率、阳性预测值、阴性预测值、总有效率、特异性、灵敏度、重点病例覆盖率等)。结果 方法B得到了71条自动规则，自动审核放行率达到51.8%,假阳性率为26.9%,假阴性率控制在3.3%,并且覆盖了99.5%的重点病例。结论 本研究建立的...
|
