美国预防服务工作组 (USPSTF) 准则与基于电子健康记录 (EHR) 的查:前列腺癌的比较准确性研究

科学领域:

• 癌症学
• 医疗信息学
• 人工智能

背景情况:

• 目前的前列腺癌查依赖于美国预防服务工作组 (USPSTF) 的基于年龄的标准.
• 这种方法可能会导致在典型年龄范围以外的男性中错过攻击性癌症或过度查.
• 个性化预测模型包含多种医疗史,可提高准确性.

研究的目的:

• 使用患者病史开发人工智能驱动的前列腺癌预测模型.
• 将这种人工智能模型的性能与传统的基于年龄的查标准进行比较.

主要方法:

• 使用来自"我们所有人"数据库的电子健康记录 (EHR) 开发了一个预测模型.
• 使用最小绝对收缩和选择运算符 (LASSO) 的逻辑回归来确定先前健康状况的关键预测特征.
• 使用麦克法登的R2和接收器操作特征曲线下的面积 (AUROC) 评估模型性能.

主要成果:

• 基于EHR的AI模型实现了0.36的麦克法登R2,明显超过了基于年龄的USPSTF模型 (R2为0.20).
• 与目前的查标准相比,AUROC验证证实AI模型的灵敏度和特异性更高.
• 该模型使用非侵入性EHR数据显示出更高的预测准确性.

结论:

• 使用EHR数据的AI驱动预测模型为前列腺癌风险评估提供了更准确的方法.
• 个性化查策略可以改善早期检测并减少与不必要的查相关的侵入性程序.
• 这种方法使得诊断工作能够集中在最有风险的个体上,从而优化医疗资源.