以M. Fabry为例,改进基于数据挖掘的罕见疾病诊断支持工具:需要考虑到性别差异

科学领域:

• 医疗信息学 医疗信息学
• 罕见疾病的诊断 罕见疾病的诊断
• 医疗保健中的人工智能

背景情况:

• 由于症状多样化,罕见疾病存在诊断上的挑战.
• 费布里病是一种X链代谢障碍,在性别之间症状严重程度可变.
• 由于现有的治疗方法,早期诊断法布里病至关重要.

研究的目的:

• 增强基于人工智能的罕见疾病诊断支持工具.
• 为了在检测法布里病时实现高灵敏度,考虑性别特异性差异.
• 改进用于罕见疾病识别的AI算法.

主要方法:

• 使用33个已确认的法布里病患者数据集训练了一种AI算法.
• 利用AI问卷,疾病进展,人口统计和QOL数据.
• 使用交叉验证和ROC分析评估AI性能,检查影响变量.

主要成果:

• 通过小样本大小来检测法布里病的灵敏度达到了88.12%.
• 将性别特异性症状感知纳入AI模型.
• 没有发现生活质量或诊断史对AI性能产生混的影响.

结论:

• 症状表现和感知中的性别差异是改善法布里病的AI诊断工具的关键.
• 基于AI的诊断支持可以通过考虑患者报告的变量来增强.
• 这项研究强调了人工智能在解决罕见疾病诊断延迟方面的潜力.