可解读的机器学习用于预测轴性脊柱关节炎前膀炎
Hui Li1, Qin Guo, Tiantian Zhang
1From the Department of Rheumatology and Immunology, The People's Hospital of Baoan Shenzhen, The Second Affiliated Hospital of Shenzhen University, Shenzhen, Guangdong, China.
概括
机器学习准确地预测了轴性脊柱关节炎 (axSpA) 患者的前额膜炎 (AU) 风险. 关键因素,如部参与和吸烟,有助于识别那些需要早期干预以防止视力损失的人.
科学领域:
- 风湿病学和免疫学
- 人工智能在医学中的应用
- 眼科医生 眼科 眼科
背景情况:
- 轴性脊椎关节炎 (axSpA) 是一种慢性炎症疾病,影响脊椎和关节.
- 前膜炎 (AU) 是 axSpA. 的常见的关节外表现.
- 对传统方法来说,预测axSpA患者的AU发病是复杂和具有挑战性的.
研究的目的:
- 开发一种可解释的机器学习 (ML) 模型,用于预测axSpA患者的AU发病.
- 确定与AU风险相关的关键临床预测因素.
- 加强早期诊断和个性化治疗策略.
主要方法:
- 1508名axSpA患者的历史队列分析.
- 54个临床变量的预处理,包括归算,因子化,过量抽样,异常值上限和标准化.
- 消除递归特征以确定12个关键预测因素和评估10个ML算法.
主要成果:
- 一个梯度增强机器模型在预测AU风险方面表现出高准确性.
- 沙普利的附加解释确定了部参与,NSAID使用和吸烟作为重要的预测因素.
- 该模型为AU风险的特征贡献提供了可解释的见解.
结论:
- 开发的ML模型有效预测axSpA患者的AU风险.
- 识别高风险个体,以便及时干预和个性化治疗.
- 旨在预防严重的并发症,如视力丧失.


