基于机器学习的创新预测,使用基线肺功能参数预测早期气道过敏反应
Hua Yang1, Xingru Zhao2, Zhuochang Chen2
1Department of Cardiopulmonary Function, Henan Provincial People's Hospital, Zhengzhou University People's Hospital, Zhengzhou, China.
Frontiers in medicine
|August 20, 2025
概括
这项研究开发了一种机器学习模型,使用基线肺功能测试来预测可疑喘患者的呼吸道过敏反应 (AHR). 该模型有效地识别需要进一步测试的个体,提高诊断效率.
科学领域:
- 肺部医学 肺部医学
- 医疗保健中的机器学习
- 诊断工具 诊断工具 诊断工具
背景情况:
- 支气管挑测试 (BPT) 是诊断气道过敏反应 (AHR) 的标准,但它耗时且资源密集.
- 在疑似喘患者中,需要更有效的AHR查方法.
研究的目的:
- 探索基线肺功能参数的预测潜力,特别是小气道指数,用于AHR.
- 开发和验证基于机器学习的模型来预测AHR,以提高查效率并减少不必要的BPT转诊.
主要方法:
- 来自河南省人民医院的肺功能数据和BPT结果的回顾性分析.
- 数据分为培训和验证集;LASSO回归用于变量选择.
- 十倍交叉验证和逻辑回归模型构建使用名图.
主要成果:
- 结合FEV1/FVC%,MEF75%,PEF%和MMEF75-25%的最佳模型 (模型C) 显示出强大的区分能力 (AUC培训:0.790,AUC验证:0.756).
- 模型C显示出优异的预测性能和临床实用性,校准良好,具有显著的净重新分类改进 (NRI) 和综合歧视改进 (IDI).
结论:
- 在疑似喘中,MEF75%,MMEF75-25%,FEV1/FVC%和PEF%是早期AHR的有效预测指标.
- 开发的机器学习模型显示了早期AHR检测的强大性能和临床实用性,可能减少症状恶化和肺功能下降.
