基于机器学习的预测,通过生物化学测试参数对乳抗体血清阳性进行预测
Signe Ulfbeck Schovsbo1, Michael Charles Sachs2, Margit Kriegbaum3
1Center for Clinical Research and Prevention, Copenhagen University Hospital - Bispebjerg and Frederiksberg, Copenhagen, Denmark. signe.ulfbeck.schovsbo@regionh.dk.
Scientific reports
|July 3, 2025
概括
使用生化测试预测乳清性乳清性疾病 (CD) 的准确性有限. 虽然食物过敏原抗体和IgA是关键预测因素,但模型需要与临床数据集成,以改善诊断延迟减少.
科学领域:
- 胃肠病学 胃肠病学
- 生物统计学 生物统计学
- 机器学习 机器学习
背景情况:
- 乳病 (CD) 的诊断延迟造成了重大负担.
- 生物化学试验为早期识别CD的风险提供了潜力.
- 开发CD抗体血清阳性的准确预测模型至关重要.
研究的目的:
- 开发和评估胆固醇病 (CD) 抗体血清阳性预测模型.
- 在CD测试前五年评估各种生化测试的预测能力.
- 探索机器学习在识别患有CD风险的个体中的实用性.
主要方法:
- 一项使用哥本哈根大区 (2006-2015) 初级保健数据的队列研究.
- 开发两种使用不同预测器集的预测模型 (所有血液测试与临床相关测试).
- 使用了10倍交叉验证的堆叠机器学习模型 (SuperLearner).
主要成果:
- 包括54,877名患者,其中672人检测出CD抗体呈阳性.
- 两种模型的曲线下的交叉验证面积 (AUC) 值为0.68和0.63.
- 食品过敏原抗体和IgA水平被确定为最重要的预测因素,尽管整体预测能力较低.
结论:
- 仅仅生物化学测试就显示了对CD抗体血清阳性的预测能力有限.
- 未来的模型可能会从整合生化数据与其他临床信息中受益.
- 目标是开发临床上可实施的工具,以减少乳病的诊断延迟.
