整合生殖和临床变量来预测多发性硬化症产后残疾结果,使用机器学习
Murat Emec1, Said Alizada2, Yasemin Simsek3
1Istanbul Nisantasi University, Department of Aviation Electrical and Electronics, Sarıyer, Istanbul, 34398, Turkey.
Multiple sclerosis and related disorders
|March 10, 2026
概括
机器学习可以准确地预测患有多发性硬化症 (MS) 的女性产后残疾变化. 产后复发是主要因素,但生殖史和产科细节也提供了预后见解.
科学领域:
- 神经学 神经学
- 免疫学 免疫学 免疫学
- 数据科学数据科学数据科学
背景情况:
- 怀孕会改变患有多发性硬化症 (MS) 的女性的免疫系统.
- 产后疾病的重新激活是MS患者的一个重要问题.
- 怀孕对MS残疾进展的长期影响需要进一步调查.
研究的目的:
- 预测患有MS的女性产后残疾变化 (基于EDSS).
- 使用机器学习模型,结合临床和人口统计学怀孕变量.
- 确定MS中产后残疾进展的关键预测因素.
主要方法:
- 对662名妇女和909个怀孕的回顾性研究.
- 工程特征:EDSS分数,疾病持续时间,年龄,产后复发,产科因素.
- 采用随机森林,XGBoost,弹性网和支持向量分类器模型与交叉验证.
主要成果:
- 分类模型显示了高精度 (85-88%) 和F1分数 (0.84-0.87).
- 产后复发,疾病持续时间和母亲年龄是主要预测因素.
- 多重怀孕和产科因素 (分娩类型,母乳养) 提供了额外的预后价值.
结论:
- 机器学习模型有效预测MS产后残疾变化.
- 产后复发是主要因素,生殖和产科变量提供了补充的见解.
- 产后期对于MS管理至关重要,需要个性化的预后框架.


