开发一种机器学习模型,以预测风湿性关节炎患者的手术使用情况
Natalie B Baxter1, Ching-Heng Lin2, Beth I Wallace3
1University of Michigan, Ann Arbor.
Arthritis care & research
|December 29, 2023
概括
机器学习模型可以预测类风湿性关节炎患者需要手术,但不能预测具体的手术类型. 这有助于对类风湿性关节炎 (RA) 患者进行手术规划.
科学领域:
- 类风湿病学 类风湿病学
- 人工智能的人工智能
- 手术规划 手术规划
背景情况:
- 类风湿性关节炎 (RA) 影响关节功能,往往需要手术.
- 预测哪些RA患者需要手术是具有挑战性的,因为对疾病修饰性抗风湿药物 (DMARDs) 的反应是可变的.
研究的目的:
- 开发机器学习模型,预测RA患者接受手术的可能性.
- 预测需要手术干预的RA患者的手术类型 (主要关节置换 vs.不那么密集的手术).
主要方法:
- 利用电子健康记录数据来训练两个极端梯度增强机器学习模型.
- 模型包括人口统计,并发症和药物数据.
- 主要结果测量模型区分,使用接收器运行特征曲线 (AUC) 下的面积.
主要成果:
- 确定了5481名RA患者;5.1%接受了手术.
- 预测手术可能性的模型实现了0.90±0.02.的AUC.
- 预测手术类型的模型的AUC为0.58±0.10,表明手术类型的预测能力有限.
结论:
- 使用临床数据的预测模型可以识别可能需要手术的RA患者.
- 目前的模型无法可靠地预测所需的特定类型的手术.
- 将这些预测模型整合到临床实践中可能会改善RA患者的手术规划.
