一种以机械学习演算法分析检验数值以侦测体液中微生物的方法技术

一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，透过体液检验套组检验将多个受检者所检验出的生物样本数据及微生物感染结果，相对应地输入到机械学习机中建立体液微生物预测模型，再将新受检者验出的体液检验数值输入至体液微生物预测模型中，进行运算及分析体液中感染的微生物的可能性；藉由上述方法可以节省检验体液微生物的人力、物力，此外还能大量优化检验体液的时间并降低误判的可能，在正确性、时效性及判读结果重现性上均能得到可观的改善。

A Method of Detecting Microorganisms in Body Fluid by Analyzing and Testing Numbers with Mechanical Learning Algorithms

A method of detecting microorganisms in body fluids by analyzing test values with mechanical learning algorithm is presented. The data of biological samples and the results of microbial infection detected by multiple subjects are correspondingly input into the mechanical learning machine to establish a prediction model of microorganisms in body fluids, and then the test values of new subjects are input into the prediction model of microorganisms in body fluids. The above method can save the manpower and material resources for the detection of microorganisms in body fluids. In addition, it can greatly optimize the time for testing body fluids and reduce the possibility of misjudgement. It can also improve the correctness, timeliness and reproducibility of interpretation results considerably.

【技术实现步骤摘要】
一种以机械学习演算法分析检验数值以侦测体液中微生物的方法
本专利技术系为侦测体液中微生物的方法，尤指一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，透过将体液检验套组结合机械学习演算法达到大数据的辅助判读。
技术介绍
体液微生物将造成感染而引发严重疾病，现阶段所有自动化体液分析仪对微生物的检测能力均相当有限，若只依赖体液分析仪进行检验，将会导致体液中的微生物呈现伪阴性而无法被检出，尤其无临床症状的一般族群，更是会影响临床医师误诊的机会；在过去，人工镜检方式可以增加体液中微生物的检出率。但若将每一体液检体以人工镜检方式进行检验，将会耗费许多人力，特别是在检体量大的医疗单位更是明显有此问题存在。因此，在体液检验自动化的趋势下，目前市售的体液自动化机台均没有检测微生物的能力，根据上述缺失，先前技术仍有改善空间。
技术实现思路
本专利技术的目的在于提供一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，以机械学习演算法分析检验数值以侦测体液中微生物的方法，透过将体液检验套组结合机械学习演算法达到大数据的辅助判读。为实现上述目的，本专利技术公开了一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，其特征在于包含下列步骤：体液检验套组检验：将受检者的体液检体透过体液检验套组的检验形成生物样本数据；建立机械学习模型：将多个受检者各别的生物样本数据及相对应微生物感染状态输入至机械学习机中，并透过该机械学习机选出数个分类效能最佳的变量数值及其相对应的微生物感染状态，再经由机械学习演算法建立体液微生物预测模型；藉由上述方法，将新受检者所检验出的体液检验套组数据输入至体液微生物预测模型中，即可进行运算及分析体液中是否感染微生物。其中：于体液微生物预测模型的辅助判读后所检验出已感染微生物的检体，再利用微生物相关检验法进行再次确认是否感染微生物。其中：所述的微生物相关检验法系使用显微镜观察、抗体抗原反应相关的免疫分析法、聚合酶连锁反应、微生物培养或上述的任意组合。其中：受检者的体液检体为血液、尿液、唾液、汗液、粪便、胸水、腹水或脑脊髓液。其中：体液检验套组内含的检验标志为总蛋白、白蛋白、白血球脂化酶、C反应蛋白、前降钙素、红血球沉降速率、乳酸、乳酸去氢酶、糖份、钠离子、钾离子、钙离子、氯离子、镁离子、亚铁离子、铁离子、尿素氮、肌酐酸、胱蛋白C、胆红素、尿胆红素原、尿胆红素、粪胆色素、比重、渗透压、酮体、酸碱值、硝酸根、潜血反应、红血球计数、白血球计数、上皮细胞计数、胆固醇、淀粉酶、圆柱体、结晶或上述的任意组合。其中：使用的机械学习方法为逻辑式回归、K邻近法、支持向量机、类神经网路学习、决策树、随机森林、贝氏决策法或上述的任意组合。通过上述内容可知，本专利技术包含下列步骤：体液检验套组检验：将受检者的体液检体透过体液检验套组的检验形成生物样本数据；建立机械学习模型：将多个受检者各别的生物样本数据及相对应微生物感染状态输入至机械学习机中，并透过该机械学习机选出数个分类效能最佳的变量数值及其相对应的微生物感染状态，再经由机械学习演算法建立体液微生物预测模型；藉由上述方法，将新受检者所检验出的体液检验套组数据输入至体液微生物预测模型中，即可进行运算及分析体液中感染微生物的可能性；及微生物相关检验法再验证：于体液微生物预测模型的辅助判读后所检验出已感染微生物的检体，再利用微生物相关检验法进行再次确认是否感染微生物。上述的微生物相关检验法系使用显微镜观察、抗体抗原反应相关的免疫分析法、聚合酶连锁反应(Polymerasechainreaction,PCR)、微生物培养或上述的任意组合。将多个体液检验套组与微生物感染结果，相对应输入已建立的机械学习机，透过自动化判读及分析结果判断新的体液检体内部是否含有微生物的存在，进一步地解决了体液检验套组无法透过自动化分析仪检验出微生物的问题；以及，透过机械学习机进行大数据的筛检，将有问题检体挑出，再利用微生物相关检验法验证，可以减少相当数量的微生物相关检验及时间耗费，进而节省人力、物力，带来经济效益的改变，此外还能在大幅降低微生物相关检验数量的情况下，降低伪阴性的检测及增加检出率。其中所述微生物感染状态可依照有感染微生物或无感染微生物的状态分类，或是以感染微生物状态严重程度分类，并透过该机械学习机使用单变量统计法，选出数个分类效能最佳的变量数值及其相对应的微生物感染状态。其中受检者的体液检体为血液、尿液、唾液、汗液、粪便、胸水、腹水或脑脊髓液。其中体液检验套组内含的检验标志为总蛋白(TotalProtein)、白蛋白(Albumin)、白血球脂化酶(LeukocyteEsterase)、C反应蛋白(C-ReactiveProtein)、前降钙素(Procalcitonin)、红血球沉降速率(ErythrocyteSedimentationRate)、乳酸(Lactate)、乳酸去氢酶(LactateDehyroxylase)、糖份(Sugar)、钠离子(Na)、钾离子(K)、钙离子(Ca)、氯离子(Cl)、镁离子(Mg)、亚铁离子(Fe2+)、铁离子(Fe3+)、尿素氮(UreaNitrogen)、肌酐酸(Creatinine)、胱蛋白C(CystatinC)、胆红素(Bilirubin)、尿胆红素原(Urobilinogen)、尿胆红素(Urobilin)、粪胆色素(Stercobilin)、比重(SpecificGravity)、渗透压(Osmolality)、酮体(Ketone)、酸碱值(pH)、硝酸根(Nitrite)、潜血反应(OccultBlood)、红血球计数(RedBloodCellsCounts)、白血球计数(WhiteBloodCellsCounts)、上皮细胞计数(EpithelialcellsCounts)、胆固醇(Cholesterol)、淀粉酶(Amylase)、圆柱体(Cast)、结晶(Crystal)或上述的任意组合。其中使用的机械学习方法为逻辑式回归(LogisticRegression)、K邻近法(KNearestNeighbor)、支持向量机(SupportVectorMachine)、类神经网路学习(ArtificialNeuronNetwork)、决策树(DecisionTree)、随机森林(RandomForest)、贝氏决策法(BayesianNetwork)或上述的任意组合。由此可见，本专利技术的优点在于：1、提醒临床医检人员应使用微生物相关检验法进行镜检个案，临床医检人员可特别针对可能性高的检体进行微生物相关检验法确认，而避免全面性地对所有检体进行微生物相关检验法检验，不但可提高微生物体的检出率，而且可以大幅减少人力物力的花费。2、以不同的机械学习演算法进行尿液检验结果资料形式学习，均能大幅地提升了潜在的筛检效能，各种不同的机械学习演算法的微生物筛检效能，其操作特征曲线下面积证明机械学习演算法的使用显著地提高筛检效能。附图说明图1为本专利技术检测方法的方块流程示意图。图2为本专利技术再利用微生物相关检验法验证的方块流程示意图。图3为本专利技术使用不同机械学习演算法预测尿液中阴道滴虫的曲线下面积示意图。图4为本专利技术使用机械学习演算法预测阴道滴虫的筛检效益本文档来自技高网...

【技术保护点】
1.一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，其特征在于包含下列步骤：体液检验套组检验：将受检者的体液检体透过体液检验套组的检验形成生物样本数据；建立机械学习模型：将多个受检者各别的生物样本数据及相对应微生物感染状态输入至机械学习机中，并透过该机械学习机选出数个分类效能最佳的变量数值及其相对应的微生物感染状态，再经由机械学习演算法建立体液微生物预测模型；藉由上述方法，将新受检者所检验出的体液检验套组数据输入至体液微生物预测模型中，即可进行运算及分析体液中是否感染微生物。

【技术特征摘要】
1.一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，其特征在于包含下列步骤：体液检验套组检验：将受检者的体液检体透过体液检验套组的检验形成生物样本数据；建立机械学习模型：将多个受检者各别的生物样本数据及相对应微生物感染状态输入至机械学习机中，并透过该机械学习机选出数个分类效能最佳的变量数值及其相对应的微生物感染状态，再经由机械学习演算法建立体液微生物预测模型；藉由上述方法，将新受检者所检验出的体液检验套组数据输入至体液微生物预测模型中，即可进行运算及分析体液中是否感染微生物。2.如权利要求1所述的一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，其特征在于：于体液微生物预测模型的辅助判读后所检验出已感染微生物的检体，再利用微生物相关检验法进行再次确认是否感染微生物。3.如权利要求2所述的一种以机械学习演算法分析检验数值以侦测体液中微生物的方法，其特征在于：所述的微生物相关检验法系使用显微镜观察、抗体抗原反应相关的免疫分析法、聚合酶连锁反应、微生物培养或上述的任意组合。4.如权利要求1所述的一种以机械学习算法分析检验数值以侦测体液中微生物的方法，其特征在于：所述微生物感染状态...

【专利技术属性】
技术研发人员：卢章智，洪忠志，王信尧，曾意儒，
申请(专利权)人：长庚医疗财团法人林口长庚纪念医院，长庚大学，
类型：发明
国别省市：中国台湾,71