AASLD年会：新科技！新型机器学习模型可有效预测非酒精性脂肪性肝炎（NASH）发生
2019-11-24 国际糖尿病编辑部 国际糖尿病
非酒精性脂肪性肝炎（NASH）是一种进展性肝脏疾病，最终会发展为终末期肝病。不容乐观的是，当前NASH的知晓率非常低。如何早期发现NASH高危人群，实现NASH的早发现和早干预，无疑是临床实践所面临的一个现实问题。在近日召开的第70届美国肝病研究学会（AASLD）年会上发布的一项最新研究显示，一种新型机器学习方法在预测NASH概率方面具有较高的敏感性。研究者德国美因茨大学医学中心Jorn M. J
非酒精性脂肪性肝炎（NASH）是一种进展性肝脏疾病，最终会发展为终末期肝病。不容乐观的是，当前NASH的知晓率非常低。如何早期发现NASH高危人群，实现NASH的早发现和早干预，无疑是临床实践所面临的一个现实问题。在近日召开的第70届美国肝病研究学会（AASLD）年会上发布的一项最新研究显示，一种新型机器学习方法在预测NASH概率方面具有较高的敏感性。
研究者德国美因茨大学医学中心Jorn M. Jorn M. Schattenberg多年来一直在从事NASH相关研究。其对美国国家糖尿病、消化疾病研究所（NIDDK）NAFLD成人数据库（组织学证实422例为NASH，282例无NASH）进行了探索性分析、特征提取、模型训练和参数调整，创建了机器学习模型NASHmap。该模型纳入了被认为可预测NASH的最重要的14个变量即糖化血红蛋白、谷草转氨酶（AST）、谷丙转氨酶（ALT）、总蛋白、AST/ALT、BMI、甘油三酯、身高、血小板、白细胞、红细胞压积、白蛋白、高血压及性别。简化版模型则仅纳入了糖化血红蛋白、AST、ALT、总蛋白和甘油三酯5个变量。
研究结果发现，非简化模型及简化版模型可分别正确识别NIDDK数据库中81%和76%的 NASH患者（受试者工作特征曲线下面积AUC分别为0.82和0.8）。采用Optum HER数据库中1016例经肝活检证实的NASH患者对上述两个模型的性能进行验证可见，其可分别识别72%和66%的NASH，AUC分别为0.76和0.74。
研究者Jorn M. Schattenberg博士总结道：“虽然既往很多人认为纤维化程度是NASH患者预后最重要的预测因素，但我们在识别NASH高危人群方面做得并不好。若能将该机器学习模型在大型数据库中加以验证，则有助于我们临床医生每天通过常见临床参数来识别NASH高危人群。”
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#酒精性#
24
#非酒精性#
27
#机器学习模型#
28
#AASLD#
25
#脂肪性肝炎#
24
#非酒精性脂肪性肝炎（NASH）#
20
#脂肪性#
23
#ASH#
17
#ASL#
32
#机器#
26