细胞外囊泡作为代谢功能障碍相关的脂肪性肝病分期的生物标志物,使用可解释的人工智能

科学领域:

• 生物标志物发现发现
• 机器学习在医学中的应用
• 肝病学 肝病学是一种肝病学.

背景情况:

• 与代谢功能障碍相关的脂肪性肝病 (MASLD) 是一个全球性的健康问题.
• 目前的诊断方法,如肝活检是侵入性的和有限的.
• 对MASLD的非侵入性诊断替代品有着迫切的需要.

研究的目的:

• 探索细胞外囊泡 (EVs) 作为MASLD诊断和分期的生物标志物.
• 用机器学习 (ML) 和可解释的人工智能 (XAI) 来进行MASLD评估.
• 调查EV特征在识别和分期肝脏脂肪的潜力.

主要方法:

• 与76名符合条件的代谢功能障碍患者进行的观察性研究.
• 过渡性弹性图谱用于肥胖和纤维化病的分期.
• 使用纳米粒子追踪分析循环等离子体EV大小和度.
• 开发和评估包括EV,临床和人形数据的20个ML模型.

主要成果:

• 单靠EV特征就能将非乳酸与乳酸区分开来,ROC-AUC为0.71/0.86 (火车/测试).
• 一个组合模型实现了ROC-AUC的0.81/1.00 (火车/测试) 识别严重的肥胖症 (S3).
• 平均EV大小和度是关键预测因素;XAI揭示了非线性特征关系.

结论:

• 循环等离子体EV大小和度是MASLD肥胖症的关键预测因素.
• 结合EV,临床和人类形态数据,可以提高严重肥胖症的诊断准确度.
• ML和XAI为MASLD分期提供了可解释的见解,需要进一步验证.