文章介紹
第三至五期慢性腎臟病(CKD)和末期腎臟病(ESKD)患者,他們罹患骨質疏鬆症並發生骨折的風險會顯著增加。為了協助提早預防,徐佳鈿醫師團隊希望用「機器學習」模型來預測誰有骨質疏鬆的風險。
研究團隊從台灣一間醫學中心的資料庫中,分析了 2011 年到 2022 年間,共 6614 位曾經做過骨密度檢查的腎臟病患者,一共用了九種 AI 演算法。結果發現,表現最好的是人工神經網路(ANN)模型,準確率很高,用來分辨有無骨質疏鬆的指標(AUC)在驗證組是 0.940、測試組是 0.930,代表模型的預測能力非常穩定。
而這個 ANN 模型僅需仰賴病患八項常規的臨床檢測數據,即可有效預測骨質疏鬆症的風險。這八項關鍵數據包括:年齡、肌酸酐、身高、體重、白蛋白、血糖、副甲狀腺素以及血紅素。
總結來說,這項研究成功建立了一個高準確度的機器學習預測模型,還具有臨床應用的潛力,未來有機會幫助醫師快速篩選出哪些腎臟病患者需要做骨密度檢查,或提早介入治療。
恭喜徐醫師!
2 個 reference 選擇技巧,讓審閱者不再刁難!
論文寫作 / 臨床研究