评估炎症血清参数作为患有子宫内膜异位症的患者的诊断工具:一个病例对照研究

科学领域:

• 妇产科和产科 妇产科和产科
• 生物标志物和诊断方法
• 机器学习在医学中的应用

背景情况:

• 目前,子宫内膜异位症的诊断严重依赖于侵入性手术方法.
• 对子宫内膜异位症的非侵入性诊断工具有显著的临床需求.
• 目前正在研究炎症标志物作为潜在的非手术诊断指标.

研究的目的:

• 评估血清肝素的诊断潜力,可溶性尿素激酶类型等离子素激活受体 (suPar) 和对子宫内膜异位症的介质素-6 (IL-6).
• 开发和验证一种机器学习模型,用于使用这些炎症标志物进行非手术性子宫内膜异位症预测.

主要方法:

• 分析了87名患者 (59名患有子宫内膜异位症,28名对照) 的队列.
• 统一变量统计分析 (曼-惠特尼测试) 评估了个体标志物的显著性.
• 一个受监督的机器学习 (决策树分类器) 模型被训练并使用血清标记物水平进行验证.

主要成果:

• 在子宫内膜异位症患者和对照人群中,suPar (p=0.024) 和IL-6 (p<0.001) 的血清水平显著不同.
• 机器学习模型在外部验证数据集上实现了80%的准确性,没有过度拟合.
• 该模型表现出良好的灵敏度,积极的预测值和AUROC曲线性能.

结论:

• 介质素-6 (IL-6) 和可溶性尿素酶类型的血原激活体受体 (suPar) 显示出诊断潜力,作为子宫内膜异位症的促炎血清生物标志物.
• 基于决策树的机器学习方法为非手术性子宫内膜异位症诊断中潜在的临床应用提供了一个简单的方法.