开发和验证一个可概括的生存模型来预测骨关节炎进展
H H T Li1,2, L C Chan1, P K Chan3
1Department of Biomedical Engineering, The Hong Kong Polytechnic University, Hong Kong.
Osteoarthritis and cartilage open
|October 15, 2025
概括
转移学习创造了一个可靠的膝关节骨关节炎 (OA) 预测模型,它适用于不同患者群体. 这种方法提高了预测准确度,并减少了临床数据的偏差,以获得更好的患者结果.
科学领域:
- 生物医学信息学 生物医学信息学
- 医疗保健中的机器学习
- 骨关节炎研究 骨关节炎研究
背景情况:
- 预测膝关节关节炎 (OA) 的进展和需要膝关节置换 (KR) 对于患者管理至关重要.
- 由于数据和人口统计的变化,现有的模型往往难以在不同患者队伍中进行概括.
研究的目的:
- 开发和验证一种转移学习生存模型,用于预测末期膝关节骨关节炎 (esKOA) 或膝关节置换 (KR).
- 提高膝关节OA在不同研究群体中的进展预测模型的概括性.
主要方法:
- 一个DeepSurv模型最初在骨关节炎倡议 (OAI) 数据集上使用基线临床变量进行训练.
- 该OAI衍生模型使用多中心骨关节炎研究 (MOST) 中心1的数据进行了微调,并在MOST中心2进行了验证.
- 使用一致性指数 (C指数) 评估模型性能,并使用SHapley添加式扩展 (SHAP) 分析特征重要性.
主要成果:
- 最初的OAI模型在OAI内部表现良好 (C指数=0.75),但对MOST (C指数=0.61) 的概括性有限.
- 在转移学习之后,通用模型在OAI (C指数=0.69) 上保持了强的表现,并在MOST中心1 (C指数=0.64) 和MOST中心2 (C指数=0.67) 上提高了表现.
- SHAP分析表明,在微调模型中,心脏病史,糖尿病,吸烟和BMI等因素成为更重要的预测因素.
结论:
- 转移学习成功地创建了一个通用的膝盖OA预后模型,在独立队列中表现一致.
- 这种方法适应了特定人口的风险因素,提高了模型的概括性,并减轻了人口过度代表性带来的偏见.
- 该研究强调了转移学习在医疗保健中创造更强大,更公平的预测模型的潜力.
