一个机器学习模型预测慢性乙型肝炎的功能治愈后的肝脏相关结果

科学领域:

• 肝病学 肝病学是一种肝病学.
• 机器学习在医学中的应用
• 预测分析是一种预测分析.

背景情况:

• 在乙型肝炎表面抗原 (HBsAg) 血清清除后,肝细胞癌 (HCC) 和肝衰竭风险仍然存在.
• HBsAg 血清清除代表了慢性乙型肝炎 (CHB) 的功能治疗方法.

研究的目的:

• 开发和验证一种机器学习模型,用于在HBsAg血清清除后预测与肝脏相关的结果 (LRO).
• 建立一个工具,以个性化风险分层在CHB患者的功能后治愈.

主要方法:

• 开发和比较三种机器学习模型,使用来自韩国和香港的4,787名患者的数据.
• 使用一个渐变增强算法与七个变量:年龄,性别,糖尿病,酒精消耗,肝硬化,白蛋白和血小板数量.
• 验证了培训,内部和外部队列的模型 (PLAN-B-CURE).

主要成果:

• 与现有的HCC模型相比,PLAN-B-CURE模型显示出更高的预测准确性 (c指数:0.82,AUROC:0.86,AUPRC:0.53).
• 该模型显示了可靠的校准和在所有验证队列中一致的性能.
• 关键预测因素包括年龄,性别,糖尿病,酒精消费,肝硬化,白蛋白和血小板计数.

结论:

• 开发的机器学习模型PLAN-B-CURE可靠地预测HBsAg血清清除后LROs的风险.
• PLAN-B-CURE可以为CHB患者提供个性化的监测策略.
• 该模型依赖于可访问的临床因素,使其适合广泛的临床应用.