神经网络模型在LDL胆固醇估计中表现优于常规方程:一项对188,887名中国人的比较研究,重点关注过高甘油三血症
Hao Xue1, Yu Lin1, Youlin Liu2
1Department of Laboratory Medicine, Peking University Shenzhen Hospital, Shenzhen, China.
Atherosclerosis plus
|December 16, 2025
概括
一种新的神经网络模型 (LDL-C(NN)) 显著改善了低密度脂蛋白胆固醇 (LDL-C) 的估计,特别是在高甘油三水平的患者中. 这种先进的模型优于传统配方,增强了动脉样硬化心血管疾病 (ASCVD) 风险管理.
科学领域:
- 生物化学 生物化学
- 心脏病学 心脏病学
- 人工智能在医学中的应用
背景情况:
- 准确的低密度脂蛋白胆固醇 (LDL-C) 估计对于管理动脉样硬化心血管疾病 (ASCVD) 风险至关重要.
- 传统公式 (弗里德沃尔德,马丁/霍普金斯,桑普森) 在估计LDL-C时显示出重大错误,特别是在高甘油三水平的情况下.
研究的目的:
- 在中国人群中评估传统的LDL-C估计公式的性能.
- 开发和验证一种基于神经网络的新型LDL-C估计模型 (LDL-C(NN)).
主要方法:
- 来自北京大学深医院的188,887个脂质资料的回顾性分析.
- 使用6万个配置文件的培训数据集开发LDL-C(NN),随后在独立数据集上进行验证和测试.
- 与Friedewald,Martin/Hopkins和Sampson公式的LDL-C(NN) 进行比较,使用相关系数,RMSE,CCC和临床风险分层精度.
主要成果:
- 与传统公式相比,LDL-C(NN) 显示出更高的性能,在不同的分析系统 (Mindray和Beckman) 中显示出更高的相关性和更低的RMSE.
- 神经网络模型实现了显著更高的协同相关系数 (CCC) 值,特别是在高甘油三水平 (TG水平≥9.03 mmol/L) 的患者中.
- 对LDL-C(NN的临床分类精度达到了87.5%,超过了传统方法 (66.6-78.7%).
结论:
- 基于神经网络的LDL-C(NN) 模型克服了常规方程中线性假设的局限性.
- LDL-C(NN) 显著改善了LDL-C估计在高甘油三血症和复杂的脂质配置文件,增强跨多种分析系统的适用性.
