基于Sysmex XN系列血液分析仪白细胞群体数据(NE-WY)的机器学习模型在菌血症早期诊断中的应用研究

本研究针对菌血症早期诊断的临床难题，创新性地利用Sysmex XN系列血液分析仪产生的白细胞群体数据(CPD)，重点聚焦中性粒细胞荧光分布参数(NE-WY)，通过机器学习算法构建诊断模型。研究团队通过倾向性评分匹配分析533例疑似菌血症患者数据，发现NE-WY的AUC达0.768，显著优于传统指标。决策树和SVM分析均证实NE-WY可作为核心诊断标志物，其689.5(无量纲)的截断值具有重要临床价值。该研究为菌血症的快速、低成本诊断提供了新思路。

　　

在感染性疾病仍是全球主要死因的背景下，菌血症作为脓毒症的重要诱因，其早期识别直接关系到患者预后。然而现有诊断方法存在明显局限：血培养作为金标准需时48-72小时，而临床常用的CRP等指标又缺乏特异性。更棘手的是，当患者出现发热等症状时，医生往往难以快速区分细菌感染与其他病原体感染。这一诊断延迟可能导致治疗时机延误，据文献报道，脓毒症患者每小时延迟治疗死亡率增加7.6%。

针对这一临床痛点，富山大学医学部儿科教研室的研究团队独辟蹊径，将目光投向血液分析仪产生的海量数据——白细胞群体数据(CPD)。这种在常规血常规检测中即可同步获取的参数，包含反映中性粒细胞活化状态的荧光分布指标(NE-WY)，其检测无需额外设备与成本。研究人员假设：通过机器学习挖掘CPD中隐藏的诊断信息，或可建立快速、经济的菌血症筛查方案。

这项发表在《Scientific Reports》的研究采用了严谨的方法学设计。团队回顾性纳入538例临床疑似菌血症的成人患者，通过倾向性评分匹配最终分析106例菌血症与427例非菌血症病例。关键技术包括：使用Sysmex XN-9100血液分析仪获取CPD参数；采用1:1最优匹配控制年龄、性别等混杂因素；通过决策树和SVM两种机器学习算法验证NE-WY的诊断效能；设置训练集与验证集(2:1比例)防止过拟合。

患者入组

通过严格筛选流程，最终纳入的菌血症组与非菌血症组在基线特征上达成均衡。匹配后数据显示，两组在发热比例(75.5% vs 80.2%)、性别分布(男性44.3%)及平均年龄(75.25 vs 74.87岁)均无统计学差异，为后续分析奠定可靠基础。

菌血症与实验室参数关联

在多项检测指标中，NE-WY展现出最显著的组间差异：

其诊断效能远超传统指标：与CRP(AUC 0.661)和WBC(AUC 0.581)相比，NE-WY以73.6%的敏感性和67.9%的特异性脱颖而出。值得注意的是，研究者发现NE-WY=686.5(无量纲)是最佳截断值，这一发现为临床决策提供了明确阈值。

决策树分析

机器学习模型进一步验证了NE-WY的核心地位：

无论训练次数如何变化，决策树的第一分支始终是NE-WY，其节点值689.5与ROC分析结果高度吻合。当NE-WY≥829.8时，菌血症概率高达85.71%；而NE-WY<689.5时，模型通过WBC进行二次判断，展现出良好的分层诊断能力。

支持向量机(SVM)

多参数组合分析显示，虽然"NE-WY+CRP+WBC+Hb+Plt"组合的AUC略升至0.867，但与单独使用NE-WY相比并无统计学显著差异。这一结果强化了NE-WY作为独立诊断标志物的价值。

该研究的突破性发现在于首次通过机器学习证实：反映中性粒细胞核酸含量的NE-WY参数，能有效区分菌血症与非菌血症患者。其临床价值体现在三方面：首先，检测速度优势——在血常规检测同时即可获得结果，较血培养提前48小时；其次，经济性优势——无需额外检测成本；最后，操作便捷性优势——现有血液分析仪均可支持。

特别值得关注的是，研究发现NE-WY对全身性感染反应更敏感，而局部感染(如心内膜炎)可能出现假阴性。这一特性恰可与CRP形成互补：当NE-WY高而血培养阴性时，可能提示患者处于"细胞因子风暴"等危重状态；反之当NE-WY低但临床高度怀疑感染时，需考虑局部感染可能。这种多参数联合解读模式，为感染性疾病诊断提供了新维度。

研究者也客观指出本研究的局限性：单中心回顾性设计可能引入选择偏倚，样本量较小需更大规模验证。但通过倾向性评分匹配和机器学习交叉验证，这些局限得到最大程度控制。未来研究方向包括：探索其他CPD参数组合、开发多参数诊断模型、以及在前瞻性队列中验证NE-WY的时效性价值。

这项研究为临床实践带来重要启示：在常规血常规检测中被忽视的CPD参数，通过智能算法挖掘可转化为强有力的诊断工具。随着医疗大数据时代的到来，此类"老指标新用法"的研究范式，或将成为提升医疗效率的新突破口。