机器学习显示出预测多发性硬化症进展的潜力

根据比利时鲁汶大学的 Edward De Brouwer 及其同事在开放获取期刊PLOS Digital Health上发表的一项研究，机器学习模型可以可靠地告知临床医生多发性硬化症的残疾进展情况。

多发性硬化症 (MS) 是一种慢性进行性自身免疫性疾病，随着时间的推移，通过复杂的进展、恢复和复发模式导致严重残疾。过去十年，该病的全球患病率增长了 30% 以上。然而，很少有工具可以预测 MS 的进展，以帮助临床医生和患者进行生活规划和治疗决策。

在这项新研究中，De Brouwer 及其同事使用了 40 个国家/地区的 146 个 MS 中心接受治疗的 15,240 名患有至少三年 MS 病史的成年人的数据。

每位患者两年的病情进展数据用于训练最先进的机器学习模型，以预测未来几个月和几年病情进展的概率。这些模型使用严格的临床指南进行训练和验证，提高了模型在临床实践中的适用性。

虽然各个模型在不同患者亚群中的表现各不相同，但这些模型的平均 ROC 曲线下面积 (ROC-AUC) 为 0.71 ± 0.01。研究发现，残疾进展史比治疗或复发史更能预测未来的残疾进展。

作者的结论是，研究中开发的模型有可能极大地增强 MS 患者的规划，并且可以在临床影响研究中进行评估。

De Brouwer 补充道：“利用15,000 多名多发性硬化症患者的临床病史，我们训练了一个机器学习模型，该模型能够可靠地预测未来两年内残疾进展的概率。该模型仅使用常规收集的临床变量，因此具有广泛的适用性。

　　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！