相关实验视频
Updated: May 5, 2026
08:58
Optimized Analysis of In Vivo and In Vitro Hepatic Steatosis
Published on: March 11, 2017
16.1K
使用自然语言处理对代谢功能障碍相关的脂肪肝炎患者的风险预测
Jordan Guillot1, Christopher Y K Williams1, Shadera Azzam1
1Bakar Computational Health Sciences Institute, University of California, San Francisco, California.
Gastro hep advances
|July 21, 2025
概括
一个新的自然语言处理算法识别了真实世界的一群患有代谢功能障碍相关的脂肪肝炎 (MASH) 的患者. 这项研究强调了预测MASH进展和死亡率的关键并发症和实验室值.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 代谢功能障碍相关的脂肪肝炎 (MASH) 是一种异质性肝病,对末期肝病有重大影响.
- 了解现实世界人口中MASH的进展对于有效的管理和治疗开发至关重要.
- 目前关于MASH进展和相关死亡率的现实数据仍然有限.
研究的目的:
- 使用自然语言处理 (NLP) 定义现实世界的MASH队列.
- 确定MASH和全因死亡率之间的显著关联.
- 调查肝硬化和肝移植进展的预测因素.
主要方法:
- 开发和验证一种新的NLP算法",NASHDetection",以识别MASH患者.
- 将算法应用于2012年至2022年间诊断的患者队列.
- 利用考克斯回归与逐步变量选择来分析结果.
主要成果:
- 该NASH检测算法在识别2695名MASH患者时实现了86%的准确性.
- 在诊断时,55.4%的患者患有肝硬化,34.0%的患者患有脱补偿,10.8%的患者患有肝细胞癌.
- 伴随性疾病,如2型糖尿病,心力衰竭和外周动脉疾病,以及较高的LDL胆固醇和性酸酶,与全因死亡率的增加有关.
结论:
- 一个真实世界的MASH队列使用一种新的NLP方法进行了表征.
- 几种并发症和实验室标记被确定为MASH进展和死亡率的潜在预测因素.
- 以NLP驱动的患者表征可以促进MASH的未来干预试验.
