通过先进的机器学习在中国汉族人口中预测与代谢功能障碍相关的脂肪性肝病

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
• 生物标志物发现发现

背景情况:

• 代谢功能障碍相关的脂肪性肝病 (MASLD) 需要及早和准确的诊断,以防止进展到严重的肝脏疾病,如肝硬化和癌症.
• 机器学习 (ML) 为开发更有效和高效的MASLD诊断策略提供了一个有希望的途径.

研究的目的:

• 评估各种ML模型在检测MASLD方面的性能.
• 开发一种简化和临床适用的诊断方法,用于使用ML的MASLD.

主要方法:

• 利用了8949名 (发现) 和5973名 (验证) 门诊患者的数据进行年度健康检查.
• 一个由ML驱动的特征选择确定了20个关键变量,进一步细化为一个简化的7个变量面板 (BMI,白蛋白,ALT,葡萄糖,HDL,甘油三,肌).
• 训练并比较了四个ML模型 (KNN,SVM,LR,ANN) 使用完整和7变量数据集.

主要成果:

• 七变量ML模型在一个独立的测试集中表现优于全变量模型.
• 通过7个变量集:KNN (0.833),SVM (0.753) 和ANN (0.848) 实现了高AUC值,超过了全变量模型.
• 在独立队列中证明了7个变量小组的稳定性和通用性.

结论:

• 一个精简的ML驱动的诊断框架,使用例行测量的临床变量,实现MASLD检测的高精度.
• 简化的7变量模型增强了早期检测和风险分层,降低了复杂性和成本.
• 这种方法促进了大规模的人口查和预防MASLD并发症,推进了精确的肝病学.