脂肪性肝指数:使用机器学习和增强缩小方法来解释脂肪性肝病的预测指标
Akira Okada1, Koji Oba2, Takeshi Kimura3
1Department of Prevention of Diabetes and Lifestyle-Related Diseases, Graduate School of Medicine, The University of Tokyo, Bunkyo-ku, Tokyo, Japan.
概括
一个新的脂肪性肝指数 (SLI) 在诊断和预测脂肪性肝病 (SLD) 的进展和缓解方面优于脂肪性肝指数 (FLI). SLI 是一种更准确,更易于解释的工具,用于稳态性肝病的管理.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗信息学 医疗信息学
- 机器学习在医学中的应用
背景情况:
- 脂肪肝指数 (FLI) 是脂肪性肝病 (SLD) 的一个主要可解释的预测指标.
- 需要改善SLD的诊断和预后工具.
- 现有的模型可能缺乏准确性或解释性.
研究的目的:
- 开发一种新的,可解释的,节的指数,用于诊断和预测SLD的结果.
- 创建一个优于现有的FLI的指数.
- 使用一种修改后的,非黑盒机器学习方法.
主要方法:
- 使用了经过修改的最小绝对收缩和选择操作员 (LASSO) 回归.
- 该模型使用来自日本东京 (2008-2018) 80% 的健康检查数据进行了训练.
- 针对FLI使用剩余20%的诊断,发育和缓解预测测试组验证了新型性肝指数 (SLI).
主要成果:
- 使用四个变量构建SLI:BMI,腰围,ALT和甘油三.
- 与FLI相比,SLI表现出更好的诊断性能 (C统计值为0.909比0.892,p<0.001).
- 在预测健康个体的SLD发展和受影响个体的SLD缓解方面,SLI的准确性更高.
结论:
- 新的性肝指数 (SLI) 是SLD的可解释和节的工具.
- 与FLI相比,SLI在诊断,发展和缓解方面表现出优越的预测能力.
- 建议在日本以外的不同人群中进一步验证SLI.
