基于机器学习的特发性肺纤维化气阴两虚兼血瘀证诊断模型研究

目的 应用机器学习理论3种方法构建诊断模型，比较各模型对特发性肺纤维化气阴两虚兼血瘀证的临床诊断价值。方法 收集2015—2020年于辽宁中医药大学附属医院住院部及门诊部病例库中特发性肺纤维化患者348例，采用机器学习理论之决策树（CHAID、QUEST、CRT、C5.0）、神经网络、支持向量机方法建立特发性肺纤维化气阴两虚兼血瘀证的诊断模型，比较各模型的判别准确率、特异度、敏感度、可用度。结果 决策树CHAID、QUEST、CRT、C5.0构建的诊断模型判别准确率分别为87.20%、89.10%、89.30%、90.53%,C5.0决策树模型优于其他，神经网络模型判别准确率92.63%，支持向量机模型准确率91.58%。神经网络模型的准确率最高，特异度、敏感度、可用度与其他模型无显著差异，故神经网络模型为研究的最优诊断模型。结论 舌质黯在特发性肺纤维化气阴两虚兼血瘀证的临床诊断中贡献率较大，并结合中医四诊，共同形成符合特发性肺纤维化气阴两虚兼血瘀证的诊断判别模式，为该病的诊断提供客观、规范的参考依据。