使用可解释的变压器模型,预测儿科亨诺克 - 莱因紫斑中胃肠道出血的风险

科学领域:

• 儿科医学 儿科医学
• 医疗保健中的人工智能
• 血管炎症 血管炎症

背景情况:

• 亨诺克-施恩莱因紫 (HSP),也称为IgA血管炎 (IgAV),是儿童常见的全身血管炎.
• 胃肠道 (GI) 并发症,包括出血和亡,在儿科IgAV中是显著的担忧.
• 早期识别胃肠道出血风险对于及时干预和改善患者结果至关重要.

研究的目的:

• 开发和临床验证可解释的基于变压器的预测模型,用于评估儿科IgAV患者的胃肠道出血风险.
• 确定主要的临床和实验室参数,可预测该群体的胃肠道出血.
• 通过人工智能集成来增强临床决策和患者管理.

主要方法:

• 对758例儿科IgAV病例 (0-14岁) 进行了回顾性队列研究.
• 优化了五个机器学习算法,使用准确度,精度,回忆,F1分数,卡帕系数和ROC-AUC来评估性能.
• 使用Shapley添加式解释 (SHAP) 来解释最佳模型,以确定特征的重要性.

主要成果:

• 基于变压器的TabPFN-V2模型实现了卓越的预测性能 (验证准确率:0.88,AUC-ROC:0.98).
• 确定的主要预测生物标志物包括D-二聚合物,总胆固醇,血小板计数,阿波利波蛋白和C反应蛋白.
• 该模型为胃肠道出血风险因素提供了可解释的见解.

结论:

• 一个可解释的基于变压器的模型 (TabPFN-V2) 有效地预测了儿科IgAV的胃肠道出血风险.
• 该模型依赖于可访问的实验室参数,这有助于临床应用.
• 这项研究支持将医疗AI整合到儿科护理中,以改善诊断和管理.