预测模型用于将视神经炎转化为多发性硬化症;决策树聚焦
Saeid Rasouli1, Mohammad Sedigh Dakkali2, Azim Ghazvini3
1Five Senses Health Research Institute, School of Medicine, Hazrat-e Rasool General Hospital, Iran University of Medical Sciences, Tehran, Iran.
PloS one
|December 2, 2024
概括
这项研究开发了一个决策树模型,以预测多发性硬化症 (MS) 风险在视神经炎 (ON) 患者. 磁共振成像 (MRI) 病变和ON类型是关键预测因素,有助于早期诊断.
科学领域:
- 神经科学是一个神经科学.
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
背景情况:
- 视神经炎 (ON) 是多发性硬化症 (MS) 的常见初始症状.
- 准确预测ON患者的MS发展对于及时干预至关重要.
- 识别有风险的个体有助于早期诊断和管理.
研究的目的:
- 开发一种实用的预测模型,用于识别患有多发性硬化症高风险的视神经炎患者.
- 为了利用临床和成像数据进行早期MS风险分层.
- 为医生提供一个工具,以便在ON管理中做出知情决策.
主要方法:
- 利用了视神经炎治疗试验的数据 (457名患者,年龄在18-46岁).
- 开发了一个决策树 (DT) 分类器,优化性能超参数.
- 在特征重要性分析中使用了SHapley添加式解释 (SHAP).
主要成果:
- 在388名完成者中,有154人患上了临床确定的多发性硬化症 (CDMS).
- 磁共振成像 (MRI) 病变在61%的CDMS患者中存在.
- DT模型实现了70.1%的交叉验证准确度;MRI病变 (61%) 和ON类型 (18%) 是最重要的预测因素.
结论:
- 开发的决策树模型在对ON患者的MS风险分层方面表现出令人满意的表现.
- 基线发现,特别是MRI病变和ON类型,对于预测MS发展至关重要.
- 该模型为医生提供了有价值的见解,以指导临床决策在管理ON患者.
更多相关视频
08:05Bioluminescence and Near-infrared Imaging of Optic Neuritis and Brain Inflammation in the EAE Model of Multiple Sclerosis in Mice
Published on: March 1, 2017
9.2K
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
