在诊断管理中应用机器学习：一种提升诊断准确性的技术方法，以及优化假阳性脑脊液培养结果下的抗生素使用

《Journal of Microbiological Methods》：Machine learning in diagnostic stewardship: A technical approach in improving diagnostic accuracy, optimizing antibiotic use in false positive CSF cultures

　　

T. Vidhya | R. Srinivasa Sundara Rajan | J.K. Saranavana Priya | H.B. Veena Kumari

印度班加罗尔国家心理健康与神经科学研究所神经微生物学系

摘要

诊断管理强调在正确的时机为患者安排适当的检测，并促进快速、准确的分子诊断工具的合理使用，从而启动正确的抗生素治疗，同时避免过度使用广谱抗生素，实现抗菌管理的有效实施。正确解读检测结果对于避免过度诊断和医疗成本过快增长至关重要。本研究旨在通过机器学习模型（包括ROC分析和主成分分析（PCA）来评估脑脊液（CSF）诊断的准确性。多变量相关性分析显示，葡萄糖与乳酸和蛋白质呈负相关。接收者操作特征曲线分析表明模型性能优异：病原体检测的曲线下面积（Area Under the Curve，AUC）值为0.956，无生长的情况为0.971，污染情况的AUC值为0.955。主成分分析揭示了数据集约61%的方差，并识别出某些微生物的独特模式，这可能有助于早期感染检测。通过提高对脑脊液样本中真实感染的识别率，该方法有助于减少假阳性结果并提升诊断管理的水平。