MASLD风险评分 (MRS) 和随机森林模型 (RF模型):用于查和评估MASLD严重性的新工具
Sanjaay Balakrishnan1, Padmashree Ranganathan1, Kaushiki S Prabhudesai1
1MetFlux Research Private Limited, India.
Computers in biology and medicine
|May 6, 2025
概括
一个新的MASLD风险评分 (MRS) 有效地选与代谢功能障碍相关的脂肪性肝病 (MASLD) 以及其严重程度. 它使用多样化的数据开发,集成了新和成熟的生物标志物,用于准确,经济高效的诊断.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 代谢障碍 代谢障碍 代谢障碍
- 生物标志物发现发现
背景情况:
- 代谢功能障碍相关的脂肪酸性肝病 (MASLD) 从简单的脂肪酸症到晚期纤维化和肝硬化.
- 早期诊断和MASLD的严重程度分级对于患者管理至关重要.
- 现有的诊断工具往往缺乏对MASLD进展的准确性或全面评估.
研究的目的:
- 开发和验证MASLD诊断和严重程度分级的预测模型.
- 为了利用常规可用的生物标志物进行成本有效的查方法.
- 通过结合新的和已确定的代谢标志物来改进现有的指数.
主要方法:
- 开发了一个基于数据的MASLD风险评分 (MRS),使用从大型公共数据集 (NHANES 2000-2020) 中选择特征.
- 在一个独特的印度临床队列中验证了MRS.
- 整合了新的生物标志物 (尿酸,HOMA-IR) 与已确定的生物标志物 (肝酶,甘油三,腰围,BMI).
- 开发了一个随机森林 (RF) 模型,使用相同的特征进行比较分析.
主要成果:
- 该MRS实现了高诊断性能,接收器操作特征曲线 (AUROC) 下的区域为0.91 (公共数据) 和0.85 (临床数据),在公共数据上准确率为94%.
- 射频模型表现出强的性能,AUROC为0.87 (公共) 和0.94 (临床).
- 这两种模型都与超声波发现有很好的相关性,并且表现优于现有的诊断指数.
- 该MRS在分级MASLD严重程度方面表现出能力,这是一个关键的进步.
结论:
- MASLD风险评分 (MRS) 为MASLD查和严重程度评估提供了一种新,可解释和具有成本效益的方法.
- 该模型在多样化的群体上的发展增强了其通用性.
- 建议在多中心临床环境中进行进一步的外部验证,以确认其广泛的临床实用性.
