一个机器学习模型用于早期诊断1型高氏病,使用现实生活数据

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的机器学习
• 罕见疾病的诊断 罕见疾病的诊断

背景情况:

• 氏病 (GD) 的诊断是具有挑战性的,因为非特异性症状和医生意识低.
• 早期和准确的GD诊断对于及时治疗,防止不必要的测试和遗传咨询至关重要.

研究的目的:

• 开发一种机器学习 (ML) 模型,用于查和早期诊断高氏病.
• 为了模型开发,利用来自大型电子健康记录数据库的现实世界临床数据.

主要方法:

• 对GD患者的医疗保健数据库进行了选,并对1998-2022年期间的对照组 (1:13) 进行了匹配.
• 开发和训练了一种ML模型,使用75%的数据,结合临床特征和行政代码.
• 使用ROC和精度回忆曲线评估模型性能.

主要成果:

• 最好的ML模型实现了0.95 ± 0.03的AUC和0.80 ± 0.08的AU-PRC.
• 该模型使得GD的中位数能够比临床诊断早2.78年.
• 包括已知的GD症状,新的临床特征和改善预测的行政代码.

结论:

• 将ML模型应用于真实世界的数据,证明了高氏病的优秀歧视.
• 这种ML方法显示出作为早期GD诊断和治疗启动的查工具的潜力.
• 先进的ML分析可能会揭示以前未被识别的GD相关特征和寻求健康的行为.