输入变量的分析性能规范:对末期肝病模型的研究
Eline S Andersen1,2, Richard Röttger3, Claus L Brasen1,2
1Department of Biochemistry and Immunology, Lillebaelt Hospital, Vejle, Denmark.
Clinical chemistry
|February 28, 2024
概括
对末期肝病模型 (MELD) 评估分析性能规范 (APS) 对人工智能模型至关重要. 基于生物变异的APS可用于MELD得分,确保可靠的临床预测.
科学领域:
- 临床化学 临床化学
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
背景情况:
- 人工智能 (AI) 模型需要对分析性能规范 (APS) 进行特定的评估,以满足它们的预期用途.
- 末期肝病模型 (MELD) 是一种使用胆红素,肌素和国际正常化比率 (INR) 测量的临床预测模型.
- 通过MELD了解错误传播是为其输入变量选择适当的APS的关键.
研究的目的:
- 通过MELD得分来评估分析误差的传播.
- 在AI模型的背景下,为MELD输入变量选择APS提供信息.
- 评估不同APS对MELD得分准确度和患者风险分类的影响.
主要方法:
- 追溯收集6093个MELD分数和基础分析结果.
- 模拟理想的分析变异 (基于生物变异) 和局部分析变异.
- 在各种场景下分析由此产生的MELD得分和患者风险分类变化,包括最坏的情况.
主要成果:
- 在最坏的情况下,基于生物变异的APS在3.26%的得分中导致≥1个MELD点的变化.
- 在患者衍生数据中,基于生物变化的APS在0.92%的样本中引起≥1个MELD点的变化,在5.5%的样本中引起风险类别的变化.
- 当地分析性能规范导致MELD分数重新分类的比率较低.
结论:
- 通过MELD传播错误是复杂的,受特定人口因素的影响.
- 生物变异衍生 APS 适用于所有 MELD 评分应用.
- 人工智能模型供应商和临床实验室必须为人工智能驱动的临床工具建立特定背景的APS,因为这些可能与传统的分析用途有所不同.
