机器学习方法的诊断准确性来识别牛皮关节炎:一个元分析
Zhigang Chen1, Zhenheng Wu2, Haifen Tan3
1Department of Gastrointestinal Surgery, The Second People's Hospital of Changzhou, The Third Affiliated Hospital of Nanjing Medical University, Changzhou Medical Center, Nanjing Medical University, No.68 Gehu Road, Wujin District, Changzhou 213000, Jiangsu, China.
Clinical and experimental medicine
|August 9, 2025
概括
机器学习 (ML) 在诊断牛皮关节炎 (PsA) 中显示出有希望的准确性. 这次系统性审查发现,ML诊断工具的综合灵敏度为0.72,特异性为0.81,表明在识别PSA方面可靠的性能.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
- 类风湿病学 类风湿病学
背景情况:
- 机器学习 (ML) 越来越多地用于医学诊断.
- 牛皮关节炎 (PsA) 的ML的诊断准确性需要彻底评估.
研究的目的:
- 系统地评估ML方法的诊断准确性,以识别PsA.
- 综合关于ML在PsA诊断中的性能证据.
主要方法:
- 在主要数据库 (PubMed,科学网,Embase,Scopus等) 进行全面的文献搜索. 在2024年10月1日之前.
- 六项包含的研究的元分析使用了聚合的灵敏度,特异性,概率比率,诊断几率比率和AUC.
- 使用元回归和Deeks漏斗图表评估异质性和出版偏差.
主要成果:
- 综合诊断性能包括0.72的灵敏度,0.81的特异性和0.81.81的AUC.
- 阳性概率比 (PLR) 为4.00,阴性概率比 (NLR) 为0.41,诊断几率比 (DOR) 为11.06.
- 国家和样本大小被确定为异质性来源;没有发现显著的出版偏差.
结论:
- ML方法证明了牛皮关节炎的诊断准确度有希望.
- 这些发现支持ML作为PSA临床诊断工具的潜在实用性.
- 进一步的研究可能会改进ML模型以改善PsA检测和管理.


