与抗黑色素瘤分化相关的患者的死亡风险预测,5基因抗体阳性,皮肤肌炎相关的间歇性肺部疾病:算法开发和验证
Hui Li1,2, Ruyi Zou1, Hongxia Xin3
1Department of Respiratory and Critical Care Medicine, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, China.
Journal of medical Internet research
|February 5, 2025
概括
抗MDA5+DM-ILD患者面临高死亡风险. 这项研究开发了一个机器学习模型来预测3个月死亡率,为风险评估提供了有价值的工具.
科学领域:
- 医学研究 医学研究
- 机器学习在医疗保健中的应用.
- 肺部病理学 肺部病理学
背景情况:
- 与抗黑色素瘤分化相关的5基因抗体阳性皮肤肌炎相关的间歇性肺病 (anti-MDA5+DM-ILD) 与快速进展的间歇性肺病 (RP-ILD) 和显著的死亡率有关.
- 一个可靠和可访问的预测模型对于评估这些患者的死亡风险至关重要.
研究的目的:
- 开发和验证基于机器学习的风险预测模型,用于抗MDA5+DM-ILD患者的3个月死亡率.
- 创建一个易于使用的基于网络的工具来评估这种死亡风险.
主要方法:
- 从6家中国医院追溯招募509名抗MDA5+DM-ILD患者.
- 应用六种机器学习算法 (XGBoost,LR,LightGBM,RF,SVM,KNN) 来构建和评估预测模型.
- 确定关键的预测变量,包括RP-ILD,ESR,ALB,年龄,CRP,AST,LDH和NLR.
主要成果:
- 逻辑回归 (LR) 被选为最佳算法,其表现出色,在验证数据集中AUC为0.866,在训练数据集中为0.90.
- 该模型在外部验证队列 (0.836和0.915) 中显示出强大的通用性,具有高AUC值.
- 开发了一个基于网络的工具,将预测模型集成到实际临床使用中.
结论:
- 成功开发了一种针对抗MDA5+DM-ILD患者3个月死亡率的强大的临床预测模型.
- 附带的网络工具为风险评估和临床决策提供了可访问的方法.
