布鲁氏菌病（布病）是由布鲁氏菌引起的一种人兽共患传染病之一，人类主要通过接触带菌动物或食用病畜及其相关乳制品而造成感染。

目前世界上有170多个国家和地区存在布病流行，每年约有病例50万。该病在我国被列为乙类法定报告传染病，在内蒙古、东北、西北等牧区较为流行，已成为我国发病数增长速度最快的传染病之一。

传统布病诊断方法效率较低，患者极易因症状不具有特异性经常导致误诊误治，同时无特效治疗方案，反复发作，迁延不愈，因病致贫、因病返贫的现象也时有发生。

针对此疾病，我们通过深度挖掘患者数据基础特征及常规检验项目的联合效应，结合机器学习技术，通过对真实世界的异构数据自适应集成技术，引入无监督特征选择，嵌入先验知识多角度辅助决策模型的学习过程，引入领域自适应技术，构建布病智能识别模型。

【技术路线】

针对于实验数据场景结合多次交叉验证及参数寻优进行了深度测试。构建了布病早期诊断模型并初步建立了与肺结核的鉴别诊断模型。

结果显示布病诊断模型和布病鉴别诊断模型AUC分别为0.9841和0.9678，准确率分别达到91.4%和89.9%。

经过模型的解释性研究，PDW与LY%分别是本研究中识别模型与鉴别模型的最高贡献度指标。

【各参数对模型贡献程度】

针对此研究，中国计量科学研究院针对样本名称为《利用机器学习技术基于患者血常规数据的布鲁氏菌病识别算法》进行溯源验证，本研究在布病预测效能上得到认可。

【计量院检测报告】

布病溯源1.png 布病溯源2.png

本研究成果能够大大缩短布病发现和诊断的时间，在不增加患者负担的情况下，用简单易测的指标来发现临床较难实现的预期。

为患者提供可靠的医疗保障，为不同地区、各级各类医疗机构带来便利，该模型预期具有广阔的应用前景.

采用支持向量机构建布鲁氏菌病早期诊断模型查看详情>>