用于特应性皮炎诊断和治疗评估的机器学习算法

特应性皮炎 (AD) 是一种慢性炎症性疾病，最常见于儿童和成人。病情严重影响患者的生活质量。其全球患病率在儿童中为 7% 至 30%，在成人中为 1% 至 10%。可见，可靠、准确的评价方法对于AD的早期诊断和个体化治疗是必不可少的。

近年来，机器学习 (ML) 在医学领域的使用大幅增加。ML 有助于检测和分类疾病、改进预测以及个性化治疗。ML 主要用于皮肤病学以识别皮肤病变或组织病理学图像，例如白斑病和牛皮癣，但很少有分子水平的模型被报道用于 AD——直到最近，吴松江博士。中南大学湘雅三医院皮肤科博士研究生及合作者基于ML算法建立了多个相对稳定可靠的AD诊断及疗效评价预测模型。

研究人员开发了六种 AD 预测模型，使用来自 AD 病变和非病变的公开 RNA 转录组数据以及三种不同的 ML 算法;套索、线性回归(LR)和随机森林(RF)。该模型在区分 AD 病变和非病变方面表现出色 (AUC >0.8)。

那些接受生物治疗的样本显示模型评分与SCORAD(SCORing Atopic Dermatitis)呈正相关，与治疗持续时间呈负相关，表明有改善趋势。

“这些结果表明模型具有评估治疗效果的潜力，特别是对于生物制剂和小分子药物;然而，由于样本量小和样本质量不足，两个模型与 SCORAD 之间的相关系数不够高”吴解释道。

该团队在《基础研究》杂志上发表了他们的发现。

根据通讯作者 Qinghai Zeng 和 Jing Chen 的说法，基于 ML 的模型在 AD 诊断和治疗效果方面表现出良好的预测性能，为早期诊断和干预提供了新的选择。

标签：