机器学习在评估SLE疾病活性时的应用
Yun Wang1, Peihong Yuan1, Wei Wei1
1Department of Laboratory Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Lupus science & medicine
|April 9, 2025
概括
一个新的机器学习模型使用客观的实验室测试来准确评估系统性红斑狼 (SLE) 疾病的活动. 这种方法提供了一个比主观方法更可行和及时的评估.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 医疗信息学 医疗信息学
背景情况:
- 系统性红斑狼 (SLE) 是一种慢性自身免疫性疾病,其特征是免疫复合物的沉积和炎症.
- 目前的疾病活动评估,如系统性狼红斑血病活动指数2000 (SLEDAI-2K),依赖于主观的临床判断.
- 需要客观可靠的方法来评估SLE疾病活动.
研究的目的:
- 开发和验证机器学习 (ML) 模型,以使用客观实验室指标评估SLE疾病活动.
- 在临床实践中提高SLE疾病活动评估的客观性和可行性.
主要方法:
- 进行了一项涉及319名SLE患者的回顾性研究.
- 收集了临床特征和实验室指标,用于模型开发.
- 应用了多个ML算法,XGBoost因为其卓越的性能而被选中.
主要成果:
- 确定了六个关键实验室指标:抗dsDNA (IFT),定量抗dsDNA,中性粒细胞,血球蛋白,蛋白尿和NK细胞.
- 该XGBoost模型在区分活跃的SLE方面取得了很高的性能.
- 性能指标包括AUC为0.934,准确度为0.925,灵敏度为0.969,特异性为0.750,F1得分为0.954.
结论:
- 使用客观实验室数据的新型ML模型为评估SLE疾病活动提供了一种可行的方法.
- 这种模型有可能能够及时评估,帮助治疗决策和预后.
- 这与主观评估工具相比,是一个显著的进步.


