基于机器学习的模型的开发,用于预测慢性乙型肝炎患者的肝炎炎症:一项队列研究
Fajuan Rui1,2,3, Yee Hui Yeo4, Liang Xu5,6,7
1Department of Infectious Diseases, Nanjing Drum Tower Hospital Clinical College of Nanjing University of Chinese Medicine, Nanjing, Jiangsu, China.
EClinicalMedicine
|January 31, 2024
概括
一个机器学习模型准确地预测了慢性乙型肝炎和肝硬化症患者的肝炎. 这种非侵入性工具有助于临床管理,并改善患者的治疗结果.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗信息学 医疗信息学
- 机器学习在医学中的应用
背景情况:
- 慢性乙型肝炎 (CHB) 和肝肥胖症 (HS) 经常同时发生.
- 需要准确的非侵入性方法来评估这些患者肝炎的严重程度.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于检测中度至重度肝炎在患有CHB和并发性HS患者中的肝炎.
主要方法:
- 一项多中心的回顾性队列研究包括未接受过治疗的CHB患者,其生物检测证明HS.
- 沙普利添加式解释确定了模型开发的最佳特征.
- 使用决策曲线分析和校准曲线选择和验证了一个梯度增强分类器 (GBC).
主要成果:
- GBC模型在预测中度至重度肝炎方面表现强.
- 接收器运行特征曲线 (AUROC) 下的面积在培训队列中为0.86,在外部验证队列中为0.89和0.76.
- 为预测模型创建了一个公开可访问的网络工具.
结论:
- 在HS的CHB患者中,GBC模型有效地使用简单的参数预测肝炎.
- 这种非侵入性工具对指导临床决策和增强患者护理具有前景.
