在类风湿性关节炎中结合骨质疏松症的第二指甲皮皮质指数的预测模型:使用KURAMA队列数据开发的外部验证的机器学习模型
Ryohei Saito1,2, Takayuki Fujii1,3, Koichi Murata1,3
1Department of Orthopaedic Surgery, Graduate School of Medicine, Kyoto University, Kyoto, Japan.
International journal of rheumatic diseases
|October 7, 2024
概括
第二个甲手腕皮层指数 (2MCI) 显示出在风湿性关节炎 (RA) 患者中查骨质疏松症的前景. 使用2MCI和临床数据的机器学习模型有效预测骨密度和疾病存在.
科学领域:
- 类风湿病学 类风湿病学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 类风湿性关节炎 (RA) 患者面临骨质疏松症和骨质疏松症的风险增加,导致脆弱性骨折.
- 双能X射线吸收计 (DXA) 是骨矿物质密度 (BMD) 评估的标准,但需要更简单的选方法.
- 来自手部X射线的第二个甲手腕皮层指数 (2MCI) 提供了一个潜在的替代查工具.
研究的目的:
- 评估RA患者2MCI和BMD之间的相关性.
- 开发和验证使用2MCI和临床数据预测骨质疏松症/骨质疏松症的机器学习 (ML) 模型.
- 评估ML模型在RA中估计BMD的实用性.
主要方法:
- 从KURAMA队列 (n=302) 和外部验证队列 (n=32) 的数据分析.
- 通过DXA (部和前臂) 来测量BMD,并从手部X射线计算2MCI.
- 使用2MCI和临床变量来预测骨质疏松症/骨质疏松症和BMD的ML模型的培训和验证.
主要成果:
- 在2MCI和部/前臂BMD之间观察到显著的相关性.
- 结合2MCI和临床参数的ML模型证明了骨质疏松症/骨质疏松症和BMD的强有力的预测性能.
- 外部验证证实了开发的ML模型的通用性和稳定性.
结论:
- 整合2MCI和临床参数的机器学习模型显示,在RA患者中有效查骨质疏松症的巨大潜力.
- 2MCI作为一个有价值的生物标志物,用于评估RA患者的骨健康.
- 这些发现支持使用可访问的成像数据和ML来改善RA骨质疏松症的管理.
