使用机器学习检测跨氨酸胺类心肌病 (ATTR-CM):在英国环境中评估算法的性能
Carmen Tsang1, Ahsan Huda2, Max Norman3
1Pfizer Ltd, Tadworth, UK Carmen.Tsang@pfizer.com.
BMJ open
|October 29, 2023
概括
一个机器学习算法有效地识别了英国野生类型心脏粉症 (ATTRwt) 的患者,使用来自美国的数据. 这种工具显示出在临床和研究环境中早期ATTRwt诊断的潜力.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 野生型心脏粉症 (ATTRwt) 是一种被诊断不足的疾病.
- 早期发现ATTRwt对于及时干预和改善患者结果至关重要.
- 机器学习 (ML) 提供了识别未被诊断的病例的潜力.
研究的目的:
- 评估美国开发的ML算法的现实应用性,用于在英国检测未被诊断的ATTRwt.
- 评估算法在英国患者群体中的表现.
主要方法:
- 使用英国初级和二级保健数据 (2009-2018) 进行的回顾性观察研究.
- 由于缺乏特定的诊断代码,为ATTRwt开发了代理案例定义.
- 使用接收器操作曲线下的区域 (AUROC) 评估ML算法性能.
主要成果:
- 在结合初级和二级保健数据时,ML算法显示出强大的预测能力 (AUROC: 0.84-0.86).
- 当仅使用初级或二级护理数据时,表现有所不同 (AUROC:0.68-0.78).
结论:
- 在美国数据上训练的ML算法在识别英国潜在的ATTRwt病例方面表现出有效性.
- 需要对该算法在早期ATTRwt诊断的研究和临床护理中的使用进行进一步的调查.
