在高血压和前高血压患者中识别与代谢功能障碍相关的脂肪性肝病:可解释的机器学习方法

科学领域:

• 心脏病学 心脏病学
• 肝病学 肝病学是一种肝病学.
• 机器学习 机器学习

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 是与高血压相关的普遍疾病.
• 在高血压人群中准确识别MASLD对于患者管理至关重要.

研究的目的:

• 开发和验证可解释的机器学习 (ML) 模型,用于识别患有高血压前和高血压患者的MASLD.
• 利用ML来提高诊断准确性和对MASLD风险因素的理解. 在这个队列中.

主要方法:

• 利用了来自NAGALA研究的4722名高血压和前高血压患者的数据集.
• 评估了六个ML模型,包括随机森林 (RF),使用K折交叉验证和性能指标 (AUC,AP,精度,灵敏度,特异性,F1).
• 采用沙普利增量解释 (SHAP) 值来解释全球和地方模型.

主要成果:

• 随机森林 (RF) 模型表现出卓越的性能,AUC为0.889和准确度为0.819.
• 通过SHAP分析确定的MASLD的关键预测因素包括氨酸转移酶,体重指数,腰围,高密度胆固醇和总胆固醇.
• 通过结合所有评估的特征,实现了最佳模型性能.

结论:

• 机器学习算法,特别是射频模型,提高了高血压患者MASLD识别的准确性.
• SHAP分析提供了对特定特征如何影响MASLD风险的直观见解,有助于临床理解.