用于特应性皮炎诊断和治疗评估的机器学习算法

特应性皮炎 (AD) 是一种慢性炎症性疾病，最常见于儿童和成人。病情严重影响患者的生活质量。它在世界范围内的患病率在儿童中为 7-30%，在成人中为 1-10%。可见，可靠、准确的评价方法对于AD的早期诊断和个体化治疗是必不可少的。

近年来，机器学习 (ML) 在医学领域的使用大幅增加。ML 有助于检测和分类疾病、改进预测以及个性化治疗。ML 在皮肤病学中主要用于识别皮肤病变或组织病理学图像，例如白斑病和牛皮癣，但很少有分子水平的模型被报道用于 AD——直到最近，第三大学皮肤病学博士候选人 Songjiang Wu中国中南大学湘雅医院及其合作者基于ML算法建立了多个相对稳定可靠的AD诊断和疗效评估预测模型。

研究人员开发了六种 AD 预测模型，使用来自 AD 病变和非病变的公开 RNA 转录组数据以及三种不同的 ML 算法;套索、线性回归(LR)和随机森林(RF)。该模型在区分 AD 病变和非病变方面表现出色 (AUC >0.8)。

那些接受生物治疗的样本显示模型评分与 SCORAD(“SCORing Atopic Dermatiti”s)呈正相关，与治疗持续时间呈负相关，表明有改善趋势。

“这些结果表明模型具有评估治疗效果的潜力，特别是对于生物制剂和小分子药物;然而，由于样本量小和样本质量不足，两个模型与 SCORAD 之间的相关系数不够高”吴解释道。

该团队在科爱期刊《基础研究》上发表了他们的发现。

根据通讯作者 Qinghai Zeng 和 Jing Chen 的说法，基于 ML 的模型在 AD 诊断和治疗效果方面表现出良好的预测性能，为早期诊断和干预提供了新的选择。

展望未来，该团队将收集患者样本以验证和评估模型的稳定性。

　　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！