开发和验证一个具有成本效益的机器学习模型,用于在初级医疗保健诊所查潜在的类风湿关节炎
Wenqi Wu1,2, Xiaohao Hu1,2, Linyang Yan3
1Department of Rheumatology and Immunology, Peking University Shenzhen Hospital, Shenzhen, People's Republic of China.
Journal of inflammation research
|February 10, 2025
概括
这项研究开发了一种机器学习查模型,以改善初级保健中早期风湿性关节炎 (RA) 检测. 该模型提高了诊断的准确性和效率,减少了RA诊断的延迟,以获得更好的患者结果.
科学领域:
- 类风湿病学 类风湿病学
- 医疗保健中的人工智能
- 初级医疗保健医学 一级医疗保健医学
背景情况:
- 在初级保健中诊断类风湿性关节炎 (RA) 是具有挑战性的,因为医生的知识和工具有限,导致经常错过诊断.
- 延迟RA诊断会对患者的预后产生负面影响,并增加医疗保健成本.
研究的目的:
- 开发和验证一个具有成本效益的查模型,用于在初级卫生保健机构早期检测RA.
- 提高RA查的准确性和效率,减少诊断延迟.
主要方法:
- 一组2106名参与者被用来开发一个查模型,具有26个临床特征.
- 评估了10个机器学习算法,根据性能指标选择了最佳模型.
- 特征选择确定了RA查的关键指标,该模型在初级医疗保健数据集上得到了验证.
主要成果:
- 随机森林 (RF) 算法在初始模型开发中实现了高精度 (96.20%).
- 经过验证的射频模型在初级医疗保健环境中显示了88.44%的准确性,98.55%的灵敏性和85.56%的特异性.
- 为了有效的RA查,确定了11个关键特征.
结论:
- 开发的查模型在初级保健中自动识别RA,提升早期检测.
- 这种方法大大减少了诊断延迟和相关成本,提高了医疗保健的效率.
- 这些发现支持改善RA管理和医疗保健系统响应能力.
