新研究表明机器学习在早期识别炎症性关节炎患者方面的潜力

斯旺西大学的一项研究揭示了机器学习如何帮助早期检测强直性脊柱炎(AS)炎症性关节炎，并彻底改变全科医生检测和诊断人们的方式。

该研究发表在开放获取期刊PLOS ONE上，由国家人口健康与福祉研究中心(NCPHWR)的数据分析师和研究人员进行。

该团队使用机器学习方法来开发可能被诊断患有AS的人的特征，AS是炎症性关节炎的第二大常见原因。

机器学习是一种人工智能，是一种数据分析方法，可自动构建模型以提高性能和准确性。它的算法基于样本数据构建模型，无需明确编程即可做出预测或决策。

使用斯旺西大学医学院的安全匿名信息链接(SAIL)数据库，这是一个国家数据存储库，允许跨数据集进行基于匿名的个人数据链接，识别AS患者并与没有疾病诊断记录的患者进行匹配。

对男性和女性的数据进行了单独分析，并使用特征/变量选择和主成分分析开发模型来构建决策树。

调查结果显示：

在男性中，20 岁以下腰痛、葡萄膜炎(眼睛中层炎症)和非甾体抗炎药 (NSAID) 的使用与 AS 的发生有关。

与背痛和多种止痛药物的男性相比，女性表现出更高的症状表现年龄。

测试数据的良好预测率在70%-80%左右;然而，当将该模型应用于一般人群时，研究小组认为可能需要多个模型来随着时间的推移缩小人群范围，以提高预测价值并减少诊断AS的时间。

NCPHWR数据实验室经理兼研究负责人Jonathan Kennedy博士说：“我们的研究表明，机器学习具有巨大的潜力，可以帮助识别AS患者，并更好地了解他们在卫生系统中的诊断过程。

“早期发现和诊断对于确保患者获得最佳结果至关重要。机器学习可以帮助解决这个问题。此外，它可以赋予全科医生权力 - 帮助他们更有效地发现和转诊患者。

“然而，机器学习还处于实施的早期阶段。为了开发这一点，我们需要更详细的数据来改善预测和临床效用。

NCPHWR研究员兼卡迪夫大学风湿病学和转化研究负责人Ernest Choy教授补充说：“平均而言，AS患者从出现症状到接受诊断和接受治疗需要八年时间。机器学习可能提供一种有用的工具来减少这种延迟。

威尔士健康与护理研究主任Kieran Walshe教授补充说：“很高兴看到机器学习在早期识别患有AS等健康状况的患者以及国家人口健康和福祉研究中心正在进行的工作方面发挥的前沿作用。

“虽然机器学习还处于早期阶段，但它显然有可能改变研究人员和临床医生进行诊断的方式，为患者及其未来的健康结果带来好处。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！