摘要：目的 探索自编码机算法对临床实验室自动审核规则制定的临床价值。方法 通过机器学习算法中的自编码机算法对四川省达州市中心医院检验科过去3年已经人工审核的涉及血清总蛋白（TP）、血清清蛋白（ALB）以及免疫球蛋白的结果进行无监督学习,评估选择合理模型的部分指标,以及对模型分组后的数据进行分布分析,进而探讨模型的合理性。结果 通过增加合适的范围内隐层和隐层内神经元的数量,以及采用dropout技术会对最终模型的MSE带来积极的效果;本文模型认为TP介于44.59-94.56g/L之间,ALB位于27.14-52.88g/L之间,A/G值位于0.65-4.86之间,IgA位于0.01-18.74g/L之间,IgG位于1.34-36.81g/L之间,及IgM位于0.001-10.715g/L之间的结果可以无需关注,该判断规则与部分实验室已公布的自动审核规则极为接近,本试验数据显示将近90%判定为无需关注,进而大大提高检验人员对极少数异常数据的关注度。结论 无监督学习中的自编码机算法能够在实验室自动审核规则制定中产生积极的价值,但需要进一步对模型产生的规则进行深入解读和分析。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社