新的研究显示机器学习的潜力在早期类风湿性关节炎患者的识别

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炎性关节炎和强直性脊柱炎(AS)彻底改变人们如何检测和诊断的GPs。

发表在开放获取期刊《公共科学图书馆•综合》,该研究的数据分析师和研究人员进行了国家人口健康与健康研究中心(NCPHWR)。

该团队使用机器学习的方法来开发一个概要文件的人可能会被诊断为特点,第二个类风湿性关节炎最常见的原因。

一种人工智能,机器学习是一个自动化的数据分析方法模型建立提高性能和精度。其算法基于样本数据建立模型进行预测或决策而不显式地编程。

使用安全的匿名信息链接(帆)数据库建立在斯旺西大学医学院,一个全国性的数据存储库允许匿名个人数据链接在数据集,患者与那些没有被识别和匹配条件的记录诊断。

分别为男性和女性,对数据分析与模型使用功能/变量选择和主成分分析来构建决策树。

研究结果显示:

• 对于男人来说,腰痛,葡萄膜炎(眼睛炎症的中间层)和非甾体抗炎药(非甾体抗炎药)20岁以下的使用与发展相关联。

• 女性表现出年龄的症状表现与男性相比背痛和多个缓解疼痛的药物。

• 测试数据有很好的预测率约70% - -80%;然而,当一个应用模型一般人群,团队认为可能需要多个模型缩小人口随着时间的推移提高预测价值和减少诊断的时间。

乔纳森•肯尼迪博士数据NCPHWR和研究实验室经理领导,说:“我们的研究显示巨大的潜力机器学习来帮助识别人,和更好的理解他们的诊断旅行穿过健康系统”。

“早期检测和诊断是至关重要的病人获得最好的结果。机器学习可以为此提供帮助。此外,它可以使GPs-helping他们检测和参考患者更有效且高效地。”

“然而,机器学习的早期阶段的实现。开发这个,我们需要更详细的数据来提高预测和临床效用。”

欧内斯特·蔡教授,研究员NCPHWR、风湿病和卡迪夫大学转化研究,补充说:“平均而言,需要8年从有症状患者接受诊断和治疗。机器学习可以提供一个有用的工具来减少延迟。”

基兰沃尔什教授,主任卫生和护理研究威尔士,补充说,“看到尖端的感觉太棒了,机器学习可以发挥作用的早期识别患者健康状况和工作等进行国家人口健康和福利研究中心”。

“虽然在初期阶段,机器学习显然有可能改变,研究人员和临床医生的诊断方式旅行,病人和他们的未来的健康状况带来好处。”