一种机器学习方法来预测因免疫介导的血栓性血栓细胞衰竭紫外线导致的死亡率
Mouhamed Yazan Abou-Ismail1, Chong Zhang2, Angela P Presson2
1Division of Hematology and Hematologic Malignancies, Department of Internal Medicine, University of Utah, Salt Lake City, Utah, USA.
Research and practice in thrombosis and haemostasis
|April 23, 2024
概括
预测免疫媒介性血栓性血栓性缺血性紫外线 (iTTP) 的死亡率至关重要. 一个新的机器学习模型,USTMA TTP死亡率指数,显示出确定高风险iTTP患者和改善生存结果的希望.
科学领域:
- 血液学 血液学 血液学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 免疫介导的血栓性血栓性缺血性紫外线 (iTTP) 具有显著的死亡风险.
- 预测iTTP死亡率可以指导个性化治疗策略.
- 需要对现有分数进行外部验证,例如美国的法国TMA参考分数.
研究的目的:
- 使用美国血栓微血管病 (USTMA) iTTP数据库验证法国TMA参考得分.
- 为iTTP患者开发一种新的死亡率预测工具,即USTMA TTP死亡率指数.
主要方法:
- 在初始呈现时对人口,症状和实验室变量的分析.
- 使用梯度增强机器 (GBM) 开发一种死亡率预测模型.
- 使用R包gbm实现GBM模型.
主要成果:
- 法国TMA参考评分在美国队列中显示出有限的预测准确性 (AUC 0.63).
- 开发的GBM模型确定了8个关键变量,用于预测急性iTTP死亡率.
- 美国航海管理局的TTP死亡率指数实现了0.77.7的交叉验证AUC.
结论:
- 在USTMA注册表中,USTMA TTP死亡率指数在预测iTTP死亡率方面显示了可接受的表现.
- 该模型的灵敏度不足以排除死亡,需要进一步验证.
- 机器学习模型显示出在医疗保健中推进临床预测工具的潜力,有助于个性化的iTTP患者护理.
