基于"整个舌头"特征的非毛囊性乳腺炎的诊断:非侵入性生物标志物挖掘和诊断模型构建
Siyuan Tu1, Yulian Yin1, Lina Ma1
1Department of Breast Surgery, Longhua Hospital, Shanghai University of Traditional Chinese Medicine, Shanghai, China.
Frontiers in cellular and infection microbiology
|August 12, 2025
概括
这项研究开发了一种使用人工智能和舌头微生物群分析的非侵袭性乳腺炎 (NPM) 诊断方法. 综合方法实现了高精度,为早期NPM检测提供了有前途的工具.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 微生物学 微生物学
- 人工智能的人工智能
背景情况:
- 由于侵入性方法和有限的成像特异性,诊断非毛囊性乳腺炎 (NPM) 是具有挑战性的.
- 目前的诊断方法可能会导致延迟,不舒服,以及不理想的患者管理.
研究的目的:
- 建立一个客观的,非侵入性的NPM诊断框架.
- 整合舌膜微生物群概况和人工智能定量舌膜图像表型,用于NPM诊断.
主要方法:
- 收集了100名NPM患者和100名健康志愿者的临床数据,舌头图像和舌头涂层微生物群概况.
- 利用深度学习进行AI量化舌头图像特征提取.
- 采用16S rRNA基因测序用于微生物群分析和训练机器学习模型 (LR,SVM,GBDT) 进行NPM差异化.
主要成果:
- 渐变增强决策树 (GBDT) 模型显示出卓越的诊断性能 (AUROC = 0.98,准确性 = 0.95,特异性 = 0.95).
- 临床,舌头图像和微生物特征的整合产生了最高的准确性,优于使用单一特征类的模型.
- 确定的主要预测因素包括*Campylobacter*,腰部和部比,以及*Alloprevotella*.
结论:
- 综合临床,舌头图像和微生物群数据的多式GBDT模型显示了NPM的高诊断准确性.
- 这种非侵入性方法支持早期查和诊断非乳腺乳腺炎.
