机器学习应用程序用于使用实验室和身体组成指标预测与代谢功能障碍相关的脂肪性肝病

科学领域:

• 医疗信息学 医疗信息学
• 公共卫生 公共卫生
• 肝病学 肝病学是一种肝病学.

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 是一个日益严重的全球健康问题.
• 有效的MASLD管理依赖于早期发现和预防.
• 目前对MASLD的治愈疗法有限.

研究的目的:

• 开发和验证用于MASLD选的机器学习 (ML) 算法.
• 在一个庞大,多样化的人口中确定MASLD的关键预测因子.
• 在资源有限的环境中评估ML的实用性.

主要方法:

• 利用了前性Fasa队列研究的数据.
• 采用两步预测因素选择过程,结合统计方法和临床专业知识.
• 比较后勤回归,天真贝叶斯,SVM和LightGBM算法,使用70/30列车/验证分割和5倍交叉验证.

主要成果:

• 包括6180名成年人 (52.7%为女性);1364例MASLD病例.
• 后勤回归实现了最高的精度 (0.88) 和AUC (0.92).
• 确定了关键预测因素:腰围,BMI,部周围,手腕周围,ALT,胆固醇,葡萄糖,高密度胆固醇和血压.

结论:

• ML集成对MASLD管理有希望,特别是在农村地区.
• 预测的重要性强调腰围和BMI对于预防MASLD至关重要.
• 研究结果为MASLD诊断,治疗和预防策略提供了宝贵的见解.