在接受内血管治疗的动脉样硬化 obliterans 患者中构建新型亚型的预测模型:无监督机器学习研究
Xiaocheng Li1, Lin Zhang1, Que Li1
1Department of Vascular Surgery Ward, The First Affiliated Hospital of Guangxi Medical University, No.6 of Shuangyong Road, Nanning, Guangxi, 530021, P. R. China.
Journal of cardiothoracic surgery
|June 25, 2024
概括
无监督机器学习发现了两种新的病人亚组在动脉样硬化 obliterans (ASO) 接受内血管治疗. 这一发现有助于预测ASO患者的预后和指导治疗.
科学领域:
- 血管外科 血管外科
- 医疗信息学 医疗信息学
- 心血管研究研究心血管研究
背景情况:
- 消退性动脉硬化 (ASO) 是一种慢性动脉疾病,导致关节缺血.
- 内血管治疗可以挽救四肢,但在ASO患者中具有不同的结果.
- 识别新型患者亚型可以改善预后和治疗策略.
研究的目的:
- 在接受内血管治疗的消动动脉样硬化症 (ASO) 患者中识别新的表型子组.
- 开发患者分层和风险评估的预测模型.
- 加强ASO管理的临床决策.
主要方法:
- 从448名ASO患者的临床数据进行回顾性分析,这些患者接受了内血管治疗.
- 应用无监督机器学习算法来识别患者子组.
- 使用基于已识别的预后因素的逻辑回归来开发预测性名ogram.
主要成果:
- 确定了两个不同的患者子组,具有不同的临床特征和预后.
- 与集群1相比,集群2的患者表现得明显更差.
- 纳米图包含六个因素 (血小板数,ABI,拉瑟福类别,操作方法,高血压,糖尿病) 显示出高预测准确度 (AUC 0.96/0.95).
结论:
- 无监督机器学习有效地揭示了在接受内血管治疗的ASO患者中的新型表型子组.
- 开发的预测模型可以帮助临床决策和风险分层.
- 建议进行外部验证,以确认这些发现的概括性.
