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发现强直性脊柱炎 (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开展。

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

机器学习是人工智能的一种，是一种数据分析方法，可自动建立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来做出预测或决策，而无需明确编程。

使用基于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 患者并将其与没有病症诊断记录的患者进行匹配。

机器学习的综合结果（男）。

数据分别针对男性和女性进行分析，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 岁以下的腰痛、葡萄膜炎（眼睛中层的炎症）和非甾体抗炎药 (NSAID) 的使用与 AS 的发展有关。

• 与患有背痛和多种止痛药的男性相比，女性出现症状的年龄更大。

• 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，该团队认为可能需要多个模型来随着时间的推移缩小人群范围，以提高预测值并缩短诊断 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通过卫生系统的诊断过程。 ”

“早期检测和诊断对于确保患者获得最佳结果至关重要。机器学习可以帮助实现这一点。此外，它可以增强全科医生的能力——帮助他们更有效地检测和转诊患者。”

“然而，机器学习正处于实施的早期阶段。要发展这一点，我们需要更详细的数据来提高预测和临床效用。”

NCPHWR 研究员、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治疗需要八年时间。机器学习可能提供一个有用的工具以减少这种延迟。”

威尔士健康与护理研究主任 Kieran Walshe 教授补充说：“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中心正在开展的工作中发挥的前沿作用，真是太棒了用于人口健康和福祉研究。”

“虽然它处于早期阶段，但机器学习显然有可能改变研究人员和临床医生处理诊断过程的方式，为患者及其未来的健康结果带来好处。”