基于机器学习的模型有助于预测自身免疫性疾病中的肺栓塞:一项回顾性多中心研究
Ziwei Hu1, Yangyang Hu1, Shuoqi Zhang2
1Department of Rheumatology and Immunology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei 430030, China.
Chinese medical journal
|June 12, 2024
概括
机器学习模型在患有自身免疫性炎症性类风湿性疾病 (AIIRDs) 的患者中准确预测肺栓塞 (PE). 这种工具有助于早期检测,并提高了这一高风险群体的生存率.
科学领域:
- 心血管医学 心血管医学
- 类风湿病学 类风湿病学
- 医疗保健中的人工智能
背景情况:
- 肺栓塞 (PE) 在患有自身免疫性炎症性类风湿性疾病 (AIIRDs) 的患者中具有显著的死亡风险.
- 目前的方法缺乏有效的早期预测和AIIRD患者PE风险分层.
- 早期检测和干预对于改善生存结果至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于在AIIRD患者中早期预测PE.
- 为了确定这一群体中预测PE的关键临床特征.
- 将各种ML模型的性能与传统方法进行比较.
主要方法:
- 分析了60名患有PE的AIIRD患者和180名匹配的对照组的培训队列.
- 临床特征是使用无变逻辑回归和LASSO选择的.
- 包括随机森林,SVM,神经网络和GBDT在内的多个ML模型在多中心队列上受过训练和验证.
主要成果:
- 几种ML模型表现出高的预测性能,ROC曲线下的面积 (AUC) 在训练组中介于0.962-1.000,在验证组中介于0.969-0.999.
- 一个精细的C5.0模型,结合D-二次体,实现AUC>0.948 (培训) 和>0.925 (验证),单独优于D-二次体.
- 对于模型开发,LASSO确定了13个关键的临床特征.
结论:
- 基于机器学习的模型对于预测AIIRD患者的PE发病非常准确.
- 这些模型为早期风险评估和及时干预提供了有希望的工具.
- 开发的模型显著改善了AIIRD中PE的现有预测策略.
