基于机器学习的SAPHO综合征和二级骨瘤的差异诊断使用全身骨光学扫描

科学领域:

• 医疗成像医学成像
• 机器学习在医学中的应用
• 类风湿病学 类风湿病学

背景情况:

• 萨福综合征表现为骨和皮肤炎症,通常使用WBBS进行诊断.
• 对于SAPHO综合征和二级骨瘤 (SBT) 的WBBS发现可能会重叠,使诊断复杂化.

研究的目的:

• 使用WBBS识别明显的骨和关节干扰模式,使SAPHO综合征与SBT区分开来.
• 开发和验证用于准确诊断的机器学习模型.

主要方法:

• 一项多中心研究包括1,193名患者 (593名SAPHO,600名SBT).
• 在模型开发中使用了Lasso回归,物流回归和随机森林技术.
• 在训练和验证数据集上使用AUC,准确性,精度,回忆和F1分数来评估模型性能.

主要成果:

• 使用15个WBBS术语的机器学习模型实现了高诊断精度 (AUC 0.929-0.957).
• 像骨盆和大腿骨这样的特定部位预测了SBT,而胸骨和骨关节表明了SAPHO.
• 该模型在外部验证中表现出强的表现.

结论:

• 通过机器学习分析的WBBS术语有效地将SAPHO综合征与SBT区分开来.
• 开发的模型提供了一个可靠的工具,用于准确和及时诊断这些条件.