
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于机器学习的22种儿童呼吸道病原体诊断系统的开发与验证:一项大规模多中心研究
《npj Digital Medicine》:Development and validation of a machine learning-based diagnostic system for 22 pediatric respiratory pathogens: a large-scale multicenter study
【字体: 大 中 小 】 时间:2026年05月31日 来源:npj Digital Medicine 15.1
编辑推荐:
摘要呼吸道感染(RTIs)是儿童发病的重要原因,由多种病原体引起。由于治疗策略取决于致病病原体,因此早期和准确的诊断至关重要。我们开发并验证了一种可解释的儿童呼吸道感染病原体诊断系统(Pathog-PDx),并在三个临床中心和两个数据库中进行了涉及134,500名住院儿童的多中心
呼吸道感染(RTIs)是儿童发病的重要原因,由多种病原体引起。由于治疗策略取决于致病病原体,因此早期和准确的诊断至关重要。我们开发并验证了一种可解释的儿童呼吸道感染病原体诊断系统(Pathog-PDx),并在三个临床中心和两个数据库中进行了涉及134,500名住院儿童的多中心研究。该模型整合了电子健康记录(EHR)中的42个临床和实验室特征,以实现早期病原体识别。在1338名独立儿童队列中进行了前瞻性验证,以评估该模型的实际应用效果。Pathog-PDx能够准确区分22种病原体亚型,并在识别单一感染和混合感染方面优于传统模型。对于关键病原体(如流感病毒),该模型的分类性能很高(AUC = 0.95;敏感性为0.88;特异性为0.86),对于各种呼吸道感染病原体的平均AUC也为0.88。该模型已被部署为基于网络的决策支持系统,可免费访问:https://pathogpdx.zzu.edu.cn。总体而言,Pathog-PDx是一种用于早期识别儿童患者呼吸道病原体的潜在工具,它可以在传统检测结果之前提供可操作的预测,从而指导及时和针对性的治疗。
生物通微信公众号