一个可解释的代谢学驱动的机器学习模型,用于早期预测膝盖结构性关节炎进展
Afshin Jamshidi1, Guangju Zhai2, Ming Liu2
1Osteoarthritis Research Unit, University of Montreal Hospital Research Centre (CRCHUM), Montreal, Quebec, Canada.
Rheumatology (Oxford, England)
|December 23, 2025
概括
一个使用血清代谢物的新深度学习模型准确地预测了膝关节关节炎的进展. 这种方法可以进行个性化风险评估,以便在这种常见的肌肉骨疾病中进行早期干预.
科学领域:
- 生物化学 生物化学
- 基因组学就是基因组学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 骨关节炎 (OA) 是最常见的慢性肌肉骨疾病.
- 早期识别面临膝盖结构进展风险的个体对于及时干预至关重要.
- 血清代谢提供了一个潜在的OA进展的生物标志物来源.
研究的目的:
- 开发和验证一个机器/深度学习 (ML/DL) 预后模型,用于膝盖骨关节炎的结构性进展.
- 为了利用血清代谢数据来预测OA进展.
- 为了实现个性化的风险评估和早期干预策略.
主要方法:
- 分析了来自两个独立队列 (n=180和n=137) 的血清代谢数据.
- 使用ML/DL模型评估了代谢物,它们的比率和人口统计数据 (年龄,性别,BMI).
- 特性选择涉及可变聚类和弹性网规范化,性能通过AUC,精度,灵敏度和特异性进行评估.
主要成果:
- 一个包含六种特定代谢物 (SM (OH) C22:2,proline,citrulline,LysoPC a C18:0,谷氨酸,C12-DC),性别和年龄的模型显示出高预测性能.
- 该模型实现了卓越的测试性能 (AUC 0.98,精度 0.89) 和验证性能 (AUC 0.89,精度 0.85).
- 一个具有域-对抗组件的人工神经网络显示出卓越的性能.
结论:
- 一个经过验证的代谢学深度学习框架可以预测膝盖OA的结构性进展.
- 这种新的方法促进了膝关节OA个性化风险分层.
- 这些发现支持对关节炎进展高风险个体的早期干预策略.
