Прогнозирование васкулитной нейропатии с использованием подходов контролируемого машинного обучения

Васкулитная нейропатия — это вызванное воспалением заболевание нервов, которое часто остается недиагностированным до тех пор, пока не произойдет необратимое повреждение. В этом исследовании была разработана и проверена контролируемая модель машинного обучения для прогнозирования будущего возникновения васкулитной нейропатии с использованием данных электронных медицинских записей о 450 случаях и 1800 соответствующих контрольных группах. Прогнозирующий алгоритм проанализировал 134 структурированных признака, связанных с диагнозами, лекарствами, лабораторными анализами и клиническими записями. Выбранная модель логистической регрессии с регуляризацией L2 достигла AUC 0,92 (0,89–0,94 ДИ) внутри выборки и сохранила AUC 0,90 (0,84–0,93 ДИ) в когорте временной проверки. При пиковом рабочем пороге внешняя чувствительность составила 0,81, а специфичность 0,79. Среди децилей с самым высоким риском положительная прогностическая ценность достигла 47%. Ключевые особенности, определяющие прогнозы, включали маркеры воспаления, нейропатические симптомы и картины сосудистой визуализации. Эта методология демонстрирует возможность использования машинного обучения для раннего выявления надвигающейся васкулитной нейропатии до подтверждающей биопсии, чтобы обеспечить быстрое лечение и улучшить результаты.