■本报记者张琪
活得越久，“遇见”心衰这种“慢性癌症”的几率就越大。心衰的常见症状是胸闷、呼吸困难，然而，慢阻肺等疾病也是这个症状，就像一团迷雾，需要医学检验数据来“明晰”视界。
显然，医学检验也存在“灰色地带”——血浆NT-proBNP检测值低于是正常，高于可以判断心衰，介于到的就是“灰值区间”。医院医学检验科主任刘兴晖解释，算正常。那么算正常吗？跨度达到的“灰值区间”，看来需要“老司机”才能驾驭。然而，低年资医生乃至远郊、贫困地区的基层医生，却难以决策，需依赖更多的检查或请专科医生会诊，有可能导致病情突变，耽误治疗良机。
随着检验医学的飞速发展，经过多年的信息化建设，检验信息系统已经积累和沉淀了海量的患者检验数据。近年来，医院医学检验科通过数据挖掘技术，从多维复杂的海量数据中挖掘出对医生、患者和检验技师有价值的参考信息；并根据历史数据，分析出某些疾病跟某些因素的相关性，为疾病的诊断和治疗提供科学的决策，从而助力临床提高对疾病的诊断效率。
年，医院已累积的海量数据，借用数据挖掘软件，尝试提取诊断心力衰竭的临床检验关键指标群。在研究期间，累计收集了年1月到年12月近4万例NT-proBNP检测的住院患者临床资料和检测数据。
课题组骨干、医院医学检验科副主任徐莉敏介绍，经过数据清洗、特征筛选等步骤，入选了例NT-proBNP检测的住院患者，根据临床出院诊断分为心衰与非心衰两组，再按一定比例分层抽选，建立训练集（例）和测试集（例），用训练集数据构建NT-proBNP灰值患者心力衰竭判别模型，并用测试集数据进行评价。结果证实，用机器学习算法的方式构建的NT-proBNP灰值患者心力衰竭判别模型，对于临床上部分可疑心力衰竭无法快速鉴别的患者具有一定的应用价值，可以帮助临床医生快速准确地做出决策，于危急之中挽救患者的生命。
上海市炎症与慢病管理人工智能重点实验室设在医院，其负责人池永斌介绍，数据挖掘是近几年才发展起来的信息处理技术，将数据挖掘技术应用到医学信息数据库中，可以发现其中精细的医学诊断规则和模式，可对具有相同病因、共同发病机制的患者亚群实现精准的诊断、评估、预测、治疗和预防，帮助患者恢复健康。“我们在这方面已经有取得过很有价值的研究成果。”他透露，年，Nature《自然》杂志在线子刊CommunicationBiology发表了医院张登海博士课题组一项最新研究成果，从分子生物学角度解释国家卫健委中管局推荐的“清肺排毒汤”治疗新冠的作用机制。
据悉，医院医学检验科为浦东新区重点学科和重点学科群牵头单位，自年起，科室团队就已经开始大数据分析的尝试。曾邀请国内知名专家开展数据分析的专题讲座；选送多名员工至同济大学进修数据挖掘；尝试对克雷伯菌院内感染检验数据进行初步模拟分析，构建该菌的院内感染模式；年起，联合同济大学大数据分析团队，进行检验数据和临床资料整合分析和知识发现，挖掘疾病密切相关指标并进行权重计算，建立以疾病诊断和鉴别诊断为导向的检验路径。
本文来源：浦东时报