相关实验视频
Updated: Jun 7, 2025
06:22
Modeling and Evaluation of Murine Diabetic Cardiomyopathy Model
Published on: November 29, 2024
527
机器学习模型的开发和外部验证,以在现实世界中预测T1DM患者的糖尿病病
Zouxi Du1,2,3, Xiaoning Liu4, Jiayu Li2
1The First School of Clinical Medicine, Lanzhou University, Lanzhou, Gansu, China.
Acta diabetologica
|November 11, 2024
概括
这项研究开发了一种可解释的机器学习模型,用于预测1型糖尿病 (T1DM) 患者糖尿病病 (DN) 风险. 该模型对早期检测和改善患者的治疗结果充满希望.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 腎臟病學 (nephrology) 是一種醫學.
背景情况:
- 糖尿病病 (DN) 是1型糖尿病 (T1DM) 的一个重要并发症.
- 早期预测DN风险对于及时干预和改善患者结果至关重要.
- 在T1DM中用于DN预测的机器学习 (ML) 应用目前有限.
研究的目的:
- 开发和外部验证一种可解释的ML模型,用于预测T1DM患者的DN风险.
- 确定T1DM中DN的关键预测因素.
- 评估可解释的人工智能工具对个性化风险评估的临床实用性.
主要方法:
- 这是一项回顾性多中心研究,涉及19家医院的1368名T1DM患者.
- 用随机森林和交叉验证来选择预测特征的递归特征消除.
- 极端梯度增强 (XGBoost) 模型的开发和外部验证,使用夏普利增材扩展 (SHAP) 解释.
主要成果:
- 最优的XGBoost模型在T1DM患者中预测DN的AUC达到83%.
- 关键预测因素包括T1DM持续时间,食后葡萄糖 (PPG),静脉血压 (SBP),HbA1c,血清肌素 (Scr) 和LDL-C.
- 外部验证证明了该模型的可靠性,AUC为76%.
结论:
- 开发的可解释的ML模型显示了早期和精确识别T1DM中DN风险的潜力.
- 成功的外部验证支持其临床采用和改善患者管理的承诺.
- 为了更广泛的临床实施,建议在不同人群中进行进一步的前性验证.
