多源数据的AI融合确定了白风的关键特征
Zheng Wang1,2,3, Yang Xue1,3, Zirou Liu1,3
1School of Computer Science, Hunan First Normal University, Changsha, 410205, China.
Scientific reports
|October 16, 2024
概括
人工智能 (AI) 算法可以使用患者数据准确诊断白风并预测其亚型. 关键指标包括年龄,血液计数和肝/功能测试,用于早期检测和个性化治疗.
科学领域:
- 皮肤病学和医疗信息学
- 医疗保健中的人工智能
- 计算生物学 计算生物学
背景情况:
- Vitiligo 是一种皮肤色素丧失疾病,它带来了诊断上的挑战,尤其是在区分它的亚型:细分和非细分.
- 目前的诊断方法缺乏可靠的标记器来准确识别亚型,这阻碍了个性化治疗策略.
- 现有研究强调白风与减少皮肤癌风险的关联,但增加了晒伤易感性和心理影响.
研究的目的:
- 开发和验证人工智能 (AI) 预测算法,用于白风诊断和亚型区分.
- 确定关键的临床和实验室特征,这些特征对于区分白风与健康对照及其亚型至关重要.
- 探索机器学习在早期风险因素识别和白风个性化管理方面的潜力.
主要方法:
- 开发一个整体机器学习算法,整合多源患者数据.
- 应用各种机器学习技术来分类健康个体与白风患者.
- 使用模型来区分细分和非细分白风亚型.
主要成果:
- 整体算法实现了高诊断性能,曲线下的面积 (AUC) 为0.99,白风诊断的准确性为0.98.
- 亚型预测的AUC为0.79和准确度为0.73,证明了AI在区分白风类型方面的能力.
- 确定了关键的诊断参数:年龄,全血细胞计 (FBC) 中性粒细胞/淋巴细胞,以及肝脏和功能 (LKF) 测试 (胆红素,总蛋白).
- 确定了进展监测参数:FBC-B淋巴细胞计数,FBC-NK细胞计数和LKF-性酸酶.
结论:
- 人工智能驱动的分析有效地识别了重大风险因素,并使白风亚型的早期预测成为可能.
- 开发的算法显示出创造先进的风诊断工具的前景.
- 研究结果支持基于人工智能识别的预测标记的个性化治疗方法的潜力.
