相关实验视频
Updated: Jun 30, 2025

06:08
A Novel Method: Super-selective Adrenal Venous Sampling
Published on: September 15, 2017
23.4K
机器学习可能是BIPSS的替代方案,用于对ACTH依赖的库希综合征的差分诊断
Ahmet Numan Demir1, Deger Ayata1,2, Ahmet Oz3
1Department of Endocrinology, Metabolism, and Diabetes, Istanbul University-Cerrahpasa, 34098 Istanbul, Turkey.
The Journal of clinical endocrinology and metabolism
|March 19, 2024
概括
机器学习算法现在可以使用生物化学和放射学数据来区分库辛病和异胎ACTH综合征. 这种人工智能工具为诊断依赖ACTH的库辛综合征提供了一个非侵入性的替代方案.
科学领域:
- 神经内分泌学神经内分泌学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 人工智能 (AI) 正在推动神经内分泌学研究.
- 人工智能使得开发非侵入性,具有成本效益的诊断程序成为可能.
- 这些可能会取代上腺皮质激素 (ACTH) 依赖的库辛综合征 (CS) 诊断的侵入性方法.
研究的目的:
- 开发机器学习 (ML) 算法,用于ACTH依赖的CS差异诊断.
- 使用生物化学和放射学特征进行分类.
- 提高诊断准确性和可访问性.
主要方法:
- 在ML模型开发中使用后勤回归.
- 使用接收器操作特征曲线 (AUROC) 下面的面积来评估模型性能.
- 使用了Shapley添加式解释 (SHAP) 值来解释特征.
主要成果:
- 该研究包括106名患者 (80名库辛病患者[CD],26名宫外ACTH综合征患者[EAS]).
- 该ML模型实现了0.850的平均AUROC和86%的诊断准确度.
- 关键的决定因素包括甲抑制测试,深夜的唾液皮质醇和垂体腺瘤直径.
结论:
- 机器学习算法显示出作为决策支持工具的前景.
- 这些工具可以为诊断依赖ACTH的CS提供一种侵入性程序的替代方案.
- 人工智能有助于更容易获得和更准确的差异诊断.

