论机器学习下的系统性红斑狼疮活动性分级预测  

作　　者：张灿桐 张鹤 曾君 王港 戴勇 

机构地区：[1]暨南大学第二临床医学院(深圳市人民医院)临床医学研究中心,广东深圳518020 [2]中国科学院大学深圳医院(光明),广东深圳518106

出　　处：《中文科技期刊数据库（引文版）医药卫生》2023年第4期5-9,共5页

基　　金：广东省深圳市光明区经济发展专项资金(2021R01020,

摘　　要：通过生理生化指标作为输入变量,建立系统性红斑狼疮(SLE)疾病活动的预测模型。方法 根据分类标准,招募了272例SLE患者,并使用SLE疾病活动指数(SLEDAI)将其分为两组(无活动-轻度活动组和中度-重度活动组)。使用42个生理生化指标作为输入变量,我们使用机器学习,包括神经网络,LightGBM和支持向量机(SVM)建立了一个分类模型。结果 基于神经网络的预测模型优于其他两个预测模型(ROC曲线下面积=0.75)。同时,LightGBM的预测性能在准确性表现相对良好(AUC值0.74)。我们使用LightGBM输出和显示特征重要性排名。前五位是总胆固醇(TCHO)、抗心血管脂蛋白抗体IgM、免疫球蛋白M、丙氨酸转氨酶和高敏C反应蛋白。结论 基于神经网络的预测模型更适合预测疾病活动。由lightGBM输出的特征重要性排名为预测SLE疾病活动提供了参考价值,但是这些结果仍需要更多临床数据进行验证。

关 键 词：系统性红斑狼疮 机器学习 预测模型 SLE疾病活动性指数。 

分 类 号：R473[医药卫生—护理学]