外媒 | 机器学习算法可区分儿童炎症性疾病-普瑞纯证

最近发表在Lancet Digital Health上的一项研究发现，机器学习算法可以区分儿童多系统炎症综合征（MIS-C）和川崎病（KD），这两种疾病具有高度相似的分子模式。KD是儿童获得性心脏病的主要原因。据新闻稿称，在美国每年有4,000到5,000例诊断为KD的病例。在COVID-19大流行期间，KD的发病率有所下降，但另一种名为MIS-C的疾病出现了。研究人员表示，MIS-C源于一种单一的病原体，即SARS-CoV-2病毒。这两种疾病都有发热和皮疹等几个相似的症状。早期诊断对于KD和MIS-C的治疗非常重要。为了实现这一目标，加州大学圣地亚哥分校的研究人员创建了一种基于人工智能（AI）的机器学习算法，以区分MIS-C和KD。研究人员从Rady儿童医院的1,517名患者中收集数据，这些患者先前被诊断为MIS-C、KD或其他发热性疾病。然后，他们使用深度学习算法KIDMATCH比较患者年龄、临床KD的五个体征和其他17项实验室测量结果。在内部验证阶段，他们发现该算法可以有效区分这两种疾病。研究人员使用来自其他医院的患者队列对算法进行了外部验证。该研究的共同主要作者之一、Rady儿童医院的儿科医生、加州大学圣地亚哥分校的川崎病研究中心主任Jane C. Burns博士在新闻稿中表示：“40年来，川崎研究社区一直试图创建KD的诊断测试，但都失败了。但现在，在短短18个月的时间里，我们已经创建了一种医生支持工具，使用简单的测试结果和任何医疗保健提供者、诊所或医院都可以进行的五个体检特征，将MIS-C与KD在儿童中区分开来，准确率超过90%。”

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。