1 mars 2021

2 min de lecture

Divulgation: Les chercheurs ne rapportent aucune information financière pertinente.

Nous n’avons pas pu traiter votre demande. Veuillez réessayer plus tard. Si vous continuez à rencontrer ce problème, veuillez contacter [email protected].

Les chercheurs ont utilisé l’apprentissage automatique pour développer et valider un nouveau modèle capable de générer des probabilités de risque individualisées pour le lupus érythémateux systémique. Annales des maladies rhumatismales.

Le modèle, appelé l’indice de probabilité de risque de SLE (SLERPI), montre une excellente combinaison de sensibilité et de spécificité pour le SLE par rapport aux maladies rhumatismales concurrentes lorsqu’il est traité comme binaire – SLE ou non SLE – ont déclaré les chercheurs. En outre, le modèle de régression logistique peut être converti en un système de notation simple pour les caractéristiques cliniques et sérologiques.

« Dans la pratique courante, l’indice peut être utilisé pour classer les personnes selon différents niveaux de confiance diagnostique – c’est-à-dire, de » improbable « à » définitivement « LED – et ainsi servir d’aide clinique aux médecins. » George K. Versions, MD, PhD, Raconté Rhumatologie Healio. Source: Adobe Stock

« Diagnostiquer le LED peut être difficile, surtout dans les premiers stades. » George K. Versions, MD, PhD, de la Faculté de médecine de l’Université de Crète à Héraklion, Grèce Rhumatologie Healio. «Cette étude a utilisé des algorithmes d’apprentissage automatique sophistiqués dans de grandes cohortes de patients bien caractérisées pour simuler le raisonnement diagnostique clinique. Grâce à cette approche, nous avons développé et validé un indice simple – SLERPI – qui fournit des probabilités de risque individualisées pour la présence de LED par rapport à commune Imitation de maladies rhumatologiques. « 

Pour développer un algorithme qui peut aider les prestataires à diagnostiquer le LES, Bertsias et ses collègues ont appliqué l’apprentissage automatique à des dossiers patients bien caractérisés. Travaillant avec des données de la clinique de rhumatologie de l’hôpital universitaire d’Héraklion et de l’hôpital universitaire Attikon à Athènes, les chercheurs ont utilisé une cohorte de découverte sélectionnée au hasard de 401 patients atteints de LED et de 401 témoins atteints de diverses maladies rhumatismales pour construire des modèles d’apprentissage automatique et les comparer.

George K. Versions

En outre, ils ont utilisé une cohorte de validation externe de 512 patients inscrits consécutivement atteints de LED et 143 témoins pour faire une estimation non biaisée du précision diagnostique du meilleur modèle. La sélection des caractéristiques et la construction du modèle ont été complétées avec Random Forests et Least Absolute Shrinkage and Selection Operator-Logistic Regression (LASSO-LR). Les chercheurs ont ensuite utilisé la cohorte de validation pour tester le meilleur modèle de validation croisée par 10.

Selon les chercheurs, le nouveau LASSO-LR était le modèle le plus performant, englobant 14 traits à pondération variable, la thrombocytopénie / anémie hémolytique, l’éruption malaire / maculopapulaire, la protéinurie, les faibles taux de C3 et C4, les anticorps antinucléaires et les troubles immunologiques étant les plus puissants. les prédicteurs étaient le LED. Le modèle est produit en fonction de cette combinaison de fonctionnalités Probabilités de risque de SLE cela était en corrélation positive avec la gravité de la maladie et les dommages aux organes. Cela a permis la classification non biaisée d’une cohorte de validation en niveaux de confiance diagnostique – improbable, possible, probable ou définitivement LED – en fonction de la probabilité de cette maladie par rapport à d’autres diagnostics.

En outre, les chercheurs ont rapporté que le modèle fonctionnait comme binaire – c’est-à-dire, lupus ou non-lupus – et a rapporté une précision de 94,8% pour l’identification du LED et une sensibilité élevée pour la maladie précoce de 93,8%. Néphrite dans 97,9%; maladie neuropsychiatrique dans 91,8%; et lupus sévère nécessitant des immunosuppresseurs / produits biologiques à 96,4%. Bertsias et ses collègues l’ont ensuite converti en un système de notation où un score supérieur à 7 était précis à 94,2%.

« Dans la pratique de routine, l’indice peut être utilisé pour classer les personnes selon différents niveaux de confiance diagnostique – c’est-à-dire, de » improbable « à » définitivement « LED – et ainsi servir d’aide clinique aux médecins », a déclaré Bertsias. « Comment Le lupus a tendance à se développer progressivementLe SLERPI peut également être utilisé pour surveiller de manière prospective des individus présentant des caractéristiques indiquant une maladie du tissu conjonctif. Enfin, ces travaux constituent une avancée dans l’établissement des critères diagnostiques du LED qui font actuellement défaut. « 



Source link

Recent Posts