亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁最新消息最新消息基於機器學習的演算法有助於準確診斷系統性紅斑性狼瘡

基於機器學習的演算法有助於準確診斷系統性紅斑性狼瘡

來源 : 亞洲健康互聯海外中心
update : 2021/0/02

希臘的臨床醫生已經開發並驗證了一種簡單而準確的工具,可以根據標準的臨床和血清學特徵,幫助診斷系統性紅斑狼瘡(SLE)。

系統性紅斑性狼瘡,或稱全身性紅斑性狼瘡 (Systemic Lupus Erythematosus, SLE) 診斷不易,尤其是在早期階段,目前尚缺乏正式的診斷標準。在前瞻性研究中尚待進一步驗證之前,210日線上發表在《風濕病年鑑》上,一種稱為「系統性紅斑性狼瘡風險概率指數」的診斷模型,可以幫助該疾病患者的早期診斷和治療以改善疾病結果。

希臘克里特大學醫學院的喬治·伯特西亞斯 (George Bertsias) 博士團隊,基於802名患有SLE或控制風濕病的成年人的數據,使用機器學習來開發《SLERPI演算法》。最佳模型在512名系統性紅斑性狼瘡,和143名對照的成年人中得到了驗證。

該模型包括14個權重可變的標準臨床和血清學特徵。該模型中最強的SLE預測因子是血小板減少症/溶血性貧血、黃斑/斑丘疹、蛋白尿、低C3C4、抗核抗體(ANA)和免疫系統疾病。

該論文寫到:「我們的模型產生的系統性紅斑性狼瘡風險概率(取決於特徵的組合),與疾病的嚴重程度和器官損傷呈正相關,並允許基於不太可能、可能、可能的確定性系統性紅斑性狼瘡因素,將驗證隊列無偏地分類為診斷確定性水平。研究表明,系統性紅斑性狼瘡可能會與其他診斷相抵觸。」

當以二進制形式(無論是否患有SLE)治療時,該模型顯示出SLE識別準確率(94.8%),對早期疾病(93.8%)、腎炎(97.9%)、神經精神病(91.8%)和嚴重狼瘡的敏感性高,需要免疫抑製劑/生物製劑(96.4%)。

邏輯回歸模型可以轉換為針對臨床和血清學特徵的簡單評分系統,操作截止評分為7,準確度為94.2%。