基于人工智能的兒童甲流和乙流輔助診斷模型研究

葛小玲 尚于娟 徐 錦 曾 玫 王傳清 李 靜施 宇 王 一 胡子欣 徐 虹 張曉波

（1國家兒童醫學中心/復旦大學附屬兒科醫院統計和數據管理中心，2臨床檢驗中心，3感染傳染科，4院內感染控制與防保辦公室，7腎臟科，8呼吸科 上海 201102；5萬達信息股份有限公司數據中心 上海 201112；6 復旦大學生命科學學院 上海 200433）

流行性感冒（流感）是由甲、乙、丙等分型流感病毒導致的急性上呼吸道傳染病，其中甲型和乙型病毒具有高度傳染性，容易造成大范圍甚至世界性的大流行[1］。流行病學研究顯示，近年來兒童占全部流感確診患者的比例＞60%[2］，＜2歲易發生嚴重并發癥[3］，且臨床癥狀并不典型，極易與普通感冒或急性呼吸道感染相混淆，早診斷、早治療對降低兒童流感危害、控制疾病進程、防止并發癥具有重要意義。流感早期診斷途徑包括血常規、病毒核酸檢測、病毒抗原檢測等，通過鼻咽拭子檢測及血常規檢驗是臨床最快捷、常用的方法。多項研究顯示，甲、乙流患者血常規數值差異明顯[4］。

在大數據時代，通過醫療大數據+ 人工智能（artificial intelligence，AI）可應用于流感流行趨勢預測、疾病轉歸、輔助診斷等多個方面[5-7］，所采用的研究數據包括但不局限于外源性天氣數據、互聯網搜索數據[5］、國家流感監測數據[8］和電子病歷記錄（electronic medical record，EMR）等。在疾病輔助診斷領域，結合大數據量級的EMR 記錄和其他相關信息學習后，算法可在很短的時間內完成復雜的分析任務，并根據輸入信息反饋出最佳的分類模式結果，輔助醫師提高患者診斷的準確性和效率。……