使用临床数据,超声波特征和深度学习的痛风综合风险预测模型:回顾性多中心研究
Lishan Xiao1, Yizhe Zhao2,3, Yuchen Li1
1Department of Ultrasound, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, People's Republic of China.
Journal of inflammation research
|March 16, 2026
概括
一个新的综合模型整合了临床数据,超声波特征和深度学习预测,准确地预测了痛风风险. 这种方法增强了早期痛风检测和管理的诊断能力.
科学领域:
- 风湿病学和医学成像学
- 医疗保健中的人工智能
背景情况:
- 痛风预测模型传统上依赖于临床数据,往往缺乏准确性.
- 超声波 (美国) 功能为痛风病理生理学提供了新的见解.
- 深度学习 (DL) 在医学图像分析方面显示出前景.
研究的目的:
- 开发和验证一个用于预测痛风风险的综合模型.
- 将超声波功能和深度学习预测与临床数据相结合.
- 为量化个人痛风风险建立一个名谱.
主要方法:
- 对609名患者进行了第一次中关节 (MTP1) 关节的回顾性研究美国.
- 为美国图像分析开发DL模型.
- 后勤回归用于识别独立的风险因素并构建预测模型 (临床,美国,组合).
主要成果:
- 结合了临床数据 (性别,血清尿酸),美国特征 (托弗斯,双轮标志,骨质侵蚀) 和DL预测的综合模型实现了最高的性能.
- 内部测试队列 (ITC) 曲线下的面积 (AUC):0.904;外部测试队列 (ETC) AUC:0.881.
- 决策曲线分析 (DCA) 证实了组合名图的临床实用性.
结论:
- 结合临床,美国和DL数据的综合模型提供了强大的痛风风险预测.
- 一个基于七个预测因子 (性别,SUA,eGFR,托弗斯,骨质侵蚀,DCs,DL预测) 的诺米图量化了痛风风险.
- 这种综合方法提高了预测和管理痛风的能力.
