Makine Öğrenimi ve Klinik Büyük Verilerle Desteklenen ALS'nin Erken Tanısı

Doktor Özeti: Bu çalışma, tanı gecikmelerini azaltmak amacıyla büyük ölçekli gözlemsel veriler (çok yıllı tıbbi talep kayıtları ve çok merkezli elektronik sağlık kayıtları - EHR) kullanarak erken ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. tahmini için konsensüs tabanlı bir özellik seçimi çerçevesi geliştirmiştir. Çalışmada 1.716 ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. vakası ve eşleştirilmiş kontrol grubu tanımlanmıştır. Örneklem, görev ve model boyutlarındaki değişkenlik entegre edilerek tanıdan 18 ay öncesine kadar öngörücü olan klinik özellikler izole edilmiştir. LASSO regresyonuLASSO RegresyonuÖzellik seçimi ve düzenlileştirme amacıyla kullanılan, modelin karmaşıklığını azaltmaya yardımcı olan bir regresyon analizi yöntemi. ve GBT (Gradient Boosted Trees)GBT (Gradient Boosted Trees)Çalışmada ALS tahmini ve alt grup analizleri için kullanılan, gradyan artırımlı karar ağaçlarına dayalı bir makine öğrenimi modeli. kullanan tahmin modelleri, AUROC ve sınıflandırma metrikleri ile değerlendirilmiştir. Elde edilen dokuz özellikli minimal set, farklı zaman pencerelerinde 0.85'in üzerinde AUROC değerlerine ulaşmıştır. GBT modeli ayrıca kas-iskelet sistemi, sinir sistemiSinir SistemiVücudun içsel ve dışsal uyaranları algılamasını, işlemesini ve bunlara tepki vermesini sağlayan karmaşık biyolojik ağ. ve ekstremite (limb) veya bulber alt gruplarında değerlendirilmiş; güvenilir bir ayrım gücü ile korunmuş duyarlılık (sensitivitySensitivityBir tanı testinin, hastalığı olan bireyleri doğru bir şekilde pozitif olarak tanımlama yeteneği.) ve özgüllük (specificitySpecificityBir tanı testinin, hastalığı olmayan bireyleri doğru bir şekilde negatif olarak tanımlama yeteneği.) sergilemiştir. Bulgular, stabil minimal özellik setlerinin erken ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. teşhisini destekleme potansiyeline sahip olduğunu göstermektedir.

Önemli Bulgular: ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. teşhisindeki gecikmeleri azaltmak amacıyla çok merkezli elektronik sağlık kayıtları ve tıbbi talep verileri kullanılarak yeni bir makine öğrenimi çerçevesi geliştirilmiştir. Çalışmada 1.716 ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık. vakası ve eşleştirilmiş kontrol grubu analiz edilmiştir. Belirlenen dokuz özellikli minimal set, tanıdan 18 ay öncesine kadar ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık.'yi tahmin edebilmiş ve 0.85'in üzerinde AUROC değerleri elde etmiştir. Geliştirilen GBT modeli; kas-iskelet sistemi, sinir sistemiSinir SistemiVücudun içsel ve dışsal uyaranları algılamasını, işlemesini ve bunlara tepki vermesini sağlayan karmaşık biyolojik ağ., ekstremite (limb) veya bulber alt gruplarında da güvenilir ayrım gücü, duyarlılık ve özgüllük göstermiştir.