急性虫垂炎の緊急診断のための複数の血液パラメータを用いた軽量で解釈可能なAIモデル

科学分野:

• 医療情報学
• 血液学
• 機械学習

背景:

• 急性虫垂炎の診断は、他の腹部疾患との症状の重複により困難です。
• 虫垂炎の誤診または診断の遅延は、合併症を引き起こす可能性があります。
• 急性虫垂炎のための迅速かつ正確な診断ツールの必要性が存在します。

研究 の 目的:

• 急性虫垂炎診断のための解釈可能な機械学習モデルを開発および検証すること。
• モデル開発のために日常的な血液学的指標を利用すること。
• 急性虫垂炎のタイムリーかつ正確な診断を促進すること。

主な方法:

• 急性腹痛患者408人の後ろ向き分析。
• 特徴選択のためのLASSO、ElasticNet、およびランダムフォレストの適用。
• 独立したテストセットでの11の機械学習分類器の開発と評価。

主要な成果:

• 放射基底関数カーネルを用いたサポートベクターマシン（SVM-RBF）は0.903のAUCを達成しました。
• 主要な予測因子として、好中球百分率（NE%）、好酸球百分率（EO%）、赤血球（RBC）、および白血球（WBC）数が特定されました。
• 解釈可能性分析により、EO%、RBC、およびWBCが最も影響力のある予測因子であることが確認されました。

結論:

• 日常的な血液指標を用いた、簡潔で解釈可能な機械学習モデルは、急性虫垂炎の診断に役立ちます。
• このモデルは、特にリソースが限られた状況でのタイムリーかつ正確な診断の可能性を提供します。
• このアプローチは、虫垂炎症例における臨床的意思決定に貴重な洞察を提供します。