整合管理健康数据与机器学习预测肌萎缩侧索硬化症(ALS)发病

《Amyotrophic Lateral Sclerosis and Frontotemporal Degeneration》:Integrating administrative health data and machine learning to predict ALS onset

【字体: 大 中 小 】 时间:2025年12月09日 来源:Amyotrophic Lateral Sclerosis and Frontotemporal Degeneration 2.4

编辑推荐:

  背景:本研究旨在开发一种机器学习(ML)模型,以预测肌萎缩侧索硬化症(ALS)的初始诊断。方法:为了预测ALS,研究人员实施了一个堆叠模型,结合了四种ML算法——逻辑回归、决策树、随机森林和极端梯度提升。该分析利用来自加泰罗尼亚的医疗管理数据,涵盖了2014年

  
背景:本研究旨在开发一种机器学习(ML)模型,以预测肌萎缩侧索硬化症(ALS)的初始诊断。方法:为了预测ALS,研究人员实施了一个堆叠模型,结合了四种ML算法——逻辑回归、决策树、随机森林和极端梯度提升。该分析利用来自加泰罗尼亚的医疗管理数据,涵盖了2014年至2021年间的2,924,590名老年人,这些数据与社会经济因素和药物记录相关联。结果:堆叠模型成功预测了首次ALS诊断,实现了0.86的曲线下面积(AUC),准确率为0.86,特异度为0.88,灵敏度为0.84。最具影响力的预测因子包括免疫接种就诊、南美洲裔、一般医学和特殊检查、高血压性心脏病和咨询。其他相关特征包括坐骨神经痛、心力衰竭、肝转移、医疗使用模式以及慢性疾病如高血压、肾病和高胆固醇血症。这些特征反映了与ALS检测相关的早期临床症状和医疗使用模式。结论:机器学习模型,特别是堆叠方法,在使用管理健康数据预测ALS诊断方面显示出有希望的结果。需要继续研究以改进检测策略并支持其融入医疗系统。
肌萎缩侧索硬化症(ALS)是一种罕见且进行性的神经退行性疾病,主要影响运动神经元,导致进行性肌无力和瘫痪,全球患病率约4.4/10万。该病临床表型异质性高,传统上以运动功能障碍(如构音障碍、吞咽困难、肢体无力)为特征,但约35%-50%患者存在认知和行为改变。早期诊断对改善预后和医疗资源规划至关重要,但平均诊断延迟约一年,原因包括临床警觉性不足和表现多样。既往研究多集中于生物标志物和影像学预测疾病进展,而利用管理健康数据进行首次诊断预测的研究存在空白。本研究旨在填补这一空白,通过训练机器学习(ML)模型,基于纵向管理健康数据预测老年人中ALS的首次诊断。

研究人员开展了一项回顾性队列研究,数据来自加泰罗尼亚医疗质量与评估局的行政数据库,涵盖2014年至2021年间2,924,590名1965年前出生的老年个体。数据包括初级保健、住院和急诊记录,以及药物共付水平(反映社会经济状况)、国籍、死亡日期和医疗区域等信息。诊断代码统一转换为ICD-10(国际疾病分类第十版),ALS病例定义为至少有一次相关就诊记录(ICD-10代码G12.21及相关代码)。研究人员采用粗化精确匹配(CEM)方法选择对照组,最终纳入3,599名个体(其中1,462名确诊ALS)。构建3年观察窗口(诊断前60至24个月,排除诊断前24个月以避免症状污染),随后通过卡方检验从8,019个初始特征中筛选出2,023个特征(包括诊断、医疗程序、药物类别和医疗交互变量)。四种ML算法(逻辑回归LR、决策树DT、随机森林RF、极端梯度提升XGB)被训练,并通过堆叠集成方法以逻辑回归为元学习器进行组合。模型性能通过AUC(曲线下面积)、准确率、特异度、灵敏度等指标评估,并采用Lleida区域数据进行外部验证。该研究发表在《Amyotrophic Lateral Sclerosis and Frontotemporal Degeneration》。

主要的关键技术方法包括:(1)粗化精确匹配(CEM)用于对照选择,控制混杂;(2)卡方检验特征选择,从8,019维降至2,023维;(3)堆叠集成学习,组合LR、DT、RF和XGB,以LR为元学习器;(4)外部验证策略,将Lleida区域数据独立保留作为测试集。样本队列来源于加泰罗尼亚公共医疗行政数据库,共2,924,590名老年人。

**堆叠模型性能**
通过堆叠集成方法,模型在测试集上实现了AUC为0.86,准确率0.86,特异度0.88,灵敏度0.84,F1分数0.84,精确率0.69。这些指标显示模型在区分ALS病例与非病例方面具有稳健能力。学习曲线证实模型在测试集上保持稳定,提示良好的泛化性。

**变量重要性排序**
对堆叠模型进行特征重要性分析发现,最具影响力的预测因子是免疫接种就诊(Z23,归一化重要性100.0%),其次为南美洲裔(50.0%)、一般成人医学检查无异常发现(Z00.00,40.9%)、高血压性心脏病(I12.9)、无主诉特殊检查(Z01)和咨询(Z71.9)。其他相关特征包括坐骨神经痛(M54.30)、收缩性心力衰竭(I50.20)、肝继发恶性肿瘤(C78.7)、医疗就诊次数及时变性,以及慢性疾病如高血压(I10、I16.9)、慢性肾病5期(N18.9)、高胆固醇血症(E78)。该分布表明模型整合了多样化的临床症状、诊断和医疗使用行为信号。

**SHAP值分析**
通过计算Shapley值(SHAP),进一步揭示了各预测因素的方向与强度。免疫接种就诊(Z23)、一般成人医学检查(Z00.00)和原发性高血压(I10)均对ALS风险预测有正向贡献。其他正向贡献者包括高血压危象(I16.9)、就诊次数、急性支气管炎(J20.9)、肢体疼痛(M79.609)和慢性肾病5期(N18.9)。年龄和就诊日期标准差也发挥作用。某些看似无关的疾病如耳垢嵌塞(H61.20)或独居(Z60.9)也有轻微贡献。这些结果表明模型识别的是早期非特异性医疗行为与合并症模式,而非直接的神经肌肉功能障碍表现,从而支持其在诊断前风险分层中的潜在价值。

**外部验证结果**
为评估泛化能力,研究人员将Lleida医疗区域数据完全排除于训练过程,仅用于验证。应用最终堆叠模型后,该独立子集上获得了AUC为0.79,准确率82.0%,灵敏度71.4%,特异度86.6%,F1分数70.6%。这些结果与内部交叉验证一致,表明模型捕捉到了稳定的临床模式,可推广至训练人群之外。

**讨论部分总结**
本研究首次将可解释ML应用于ALS发病预测。模型在管理健康数据基础上表现出良好性能,但存在若干局限性:数据集仅纳入公共医疗用户,可能遗漏依赖私立医疗的个体;缺乏遗传、环境和生活方式等关键因素;回顾性设计可能引入时间偏倚。此外,尽管进行了地理区域的外部验证,但仍需更大规模外部数据集(如UK Biobank)的进一步验证。研究结论强调,ML模型特别是堆叠集成方法能有效预测首次ALS诊断,为早期检测开辟了新途径,但未来需整合更全面的数据源并在不同人群中验证以提升预测准确性和临床实用性。

**研究结论翻译**
总之,本研究提供了有力的证据,表明机器学习模型,特别是堆叠集成方法,可以利用管理健康数据有效预测首次ALS诊断。这是可解释ML在ALS发病预测中的首次应用。这些发现为ALS的早期检测开辟了新途径。然而,未来的研究应侧重于整合更全面的数据源,并在不同人群中验证模型,以提高预测准确性和临床实用性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号