基于机器学习的IGAN诊断和预后:系统性审查和元分析
Kaiting Zhuang1, Wenjuan Wang2, Cheng Xu1
1Department of Nephrology, First Medical Center of Chinese PLA General Hospital, State Key Laboratory of Kidney Diseases, National Clinical Research Center for Kidney Diseases, Beijing Key Laboratory of Kidney Diseases Research, Beijing 100853, China.
Heliyon
|July 11, 2024
概括
机器学习 (ML) 模型在诊断和预测IgA病 (IgAN) 进展方面表现有前途. 新的ML模型的性能与传统模型相提并论,指导Igan患者的精确治疗.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 使用机器学习 (ML) 的IgA病 (IgAN) 诊断和预后研究缺乏强有力的基于证据的支持.
- 需要指导IGAN的精确治疗策略.
研究的目的:
- 系统地评估IgA脏病的ML模型的诊断和预后准确性.
- 为ML在IGAN管理中的临床应用提供基于证据的见解.
主要方法:
- 在2024年2月之前对Embase,Pubmed,Cochrane图书馆和Web of Science的系统文献搜索.
- 47项基于ML的Igan诊断和预后研究 (51,935名患者) 的元分析和元回归.
- 基于建模方法,随访持续时间,终点定义和变量类型的子组分析.
主要成果:
- 诊断模型显示了27个模型的0.902的C指数.
- 预测模型在培训中的144个模型中显示了0.838的C指数.
- 在预后歧视方面,COX回归的表现优于新的ML模型,传统ML模型和天真贝叶斯网络.
结论:
- 新型和传统的ML模型在IgAN诊断和预后方面具有可比的临床实用性.
- 未来的ML模型应该纳入敏感的终点,如白蛋白尿症,并提高预测中等风险.
- 目标是开发用于Igan精度治疗的临床适用智能工具.
