一个机器学习模型,通过实验室信息系统和电子病历识别系统性红斑狼

科学领域:

• 免疫学 免疫学 免疫学
• 计算医学是一种计算医学.
• 诊断发展 诊断发展

背景情况:

• 系统性红斑狼 (SLE) 是一种复杂的自身免疫性疾病.
• 诊断SLE,特别是早期或非典型病例,带来了重大的临床挑战.
• 需要改进的诊断工具来支持临床决策.

研究的目的:

• 开发和验证用于SLE诊断的机器学习模型.
• 利用常见的实验室测试来创建一个可访问的诊断辅助工具.
• 为了提高SLE识别的准确性和效率.

主要方法:

• 使用标准化协议从SLE患者和对照组收集数据.
• 在862名患者的数据集上使用机器学习算法开发了一个诊断模型.
• 在198名患者的独立数据集上验证了模型,采用了10倍交叉验证.

主要成果:

• 确定了一个最佳的随机森林模型,利用了10个临床特征.
• 血时间,前血活性和尿酸是关键预测因素.
• 该模型在验证集上实现了高预测准确性,AUC为0.8286.

结论:

• 基于10个常见的实验室测试的机器学习模型可以准确识别SLE患者.
• 开发的模型显示了在SLE差异诊断中临床应用的潜力.
• 在线版本可以促进SLE诊断的现实世界临床使用.