对用于早期识别未诊断的牛皮关节炎患者的机器学习工具的评估 - - 一项基于人口的回顾性研究
Journal of translational autoimmunity
|August 14, 2023
概括
一个新的机器学习工具,PredictAITM,在识别未被诊断的牛皮关节炎 (PsA) 患者方面表现有希望,比临床怀疑早四年. 通过这种人工智能工具的早期检测可能会导致及时干预,并为这种慢性炎症病症提供更好的患者结果.
科学领域:
- 类风湿病学 类风湿病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 牛皮关节炎 (PsA) 是一种慢性炎症性疾病,影响皮肤和关节,很大一部分牛皮患者仍未被诊断出来.
- 早期诊断对于预防不可逆转的关节损伤和残疾至关重要.
- 目前的查方法需要患者和医生的参与.
研究的目的:
- 评估专有机器学习工具PredictAITM的有效性,用于识别未被诊断的牛皮关节炎患者.
- 该工具旨在在临床怀疑前1-4年检测PsA.
主要方法:
- 一项回顾性研究分析了Maccabi医疗保健服务 (2008-2020) 的成人数据.
- 创建了两个队列:一般人群队列和只有牛皮的队列.
- 一个梯度增强树模型 (PredictAITM) 被训练和评估,使用至少一年之前的数据来评估参考事件,ROC分析评估性能.
主要成果:
- 在牛皮队伍中,PredictAITM模型以90%的特异性识别了未被诊断的PsA患者,在临床怀疑前一年达到51%的灵敏度和四年之前达到38%的灵敏度.
- 在一般人群队列中,在99%的特异性下,该模型在一年前实现了43%的敏感性,并在四年前实现了32%的敏感性.
- 积极预测值 (PPV) 从36.1%到8.1%不等,取决于队列和时间窗口.
结论:
- 机器学习工具显示了早期识别未诊断的牛皮关节炎的潜力.
- 这种早期检测能力可以促进及时干预,改善患者的预后.
- 预测AITM可以作为管理PsA患者的有价值的辅助.
