神经网络用于估计多发性硬化症残疾和预测进展,使用例行收集的医疗保健数据
Giuseppina Affinito1, Marcello Moccia2,3, Roberta Lanzillo2,4
1Department of Public Health, University of Naples Federico II, Naples, Italy.
Multiple sclerosis (Houndmills, Basingstoke, England)
|July 3, 2025
概括
这项研究开发了使用行政数据的AI模型,以估计和预测多发性硬化症 (MS) 的残疾. 这些工具可以通过利用易于获得的数据来增强MS监测和医疗计划.
科学领域:
- 神经学 神经学
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 扩展残疾状况尺度 (EDSS) 对于测量多发性硬化症 (MS) 残疾至关重要,但通常无法在行政数据集中使用.
- 这种限制阻碍了人口层面的MS研究和医疗保健规划.
- 这项研究通过利用例行收集的医疗保健数据来弥补这一差距.
研究的目的:
- 开发和验证人工智能算法,以使用行政数据估计MS相关的残疾.
- 为了预测MS残疾的进展.
- 通过先进的数据分析来改善MS监测和医疗保健规划.
主要方法:
- 一项以人口为基础的研究使用意大利坎帕尼亚地区 (2015-2021) 的行政数据进行.
- 使用深度学习模型来估计EDSS分数.
- 结合生存分析和神经网络的混合模型被用于预测EDSS进展风险.
主要成果:
- 该EDSS估计模型的准确度为0.68,精度为0.68,F1得分为0.67.
- 预测进展的混合模型表现出0.92.9的高预测性能.
- 分析揭示了2016-2021年间的残疾分布,预测显示大多数EDSS分数较低的个体的显著进展.
结论:
- 关于行政数据的先进数据分析显示,改善MS监测是有前途的.
- 这些方法可以显著帮助MS患者的医疗保健规划和决策.
- 该研究强调了人工智能在改变慢性疾病的人口层面健康管理方面的潜力.
