Прогнозирование стеатотической болезни печени, связанной с метаболической дисфункцией, с использованием методов машинного обучения: ретроспективное когортное исследование.

arXiv:2510.22293v4 Тип объявления: замена-кросс Аннотация: Введение: Метаболическая дисфункция, ассоциированная со стеатозом печени (MASLD), поражает 30-40% взрослого населения США и является наиболее распространенным хроническим заболеванием печени. Хотя часто протекает бессимптомно, прогрессирование может привести к циррозу. Целью исследования было разработать и оценить прогностическую модель на основе электронных медицинских карт (ЭМК) для поддержки раннего выявления MASLD в условиях первичной медицинской помощи. Методы: Мы оценили логистическую регрессию LASSO, случайный лес, XGBoost и модель нейронной сети для прогнозирования MASLD, используя подмножества клинических признаков из большой базы данных ЭМК, включая 10 наиболее высокоранжированных признаков. Для уменьшения различий в показателях истинно положительных результатов в разных расовых и этнических подгруппах мы применили метод постобработки с равными возможностями в прогностической модели, называемой MASLD EHR Static Risk Prediction (MASER). Результаты: В это ретроспективное когортное исследование были включены 59 492 участника в обучающую выборку, 24 198 — в валидационные данные и 25 188 — в тестовые данные. Модель логистической регрессии LASSO с 10 лучшими признаками была выбрана из-за ее интерпретируемости и сопоставимой производительности. До корректировки на справедливость модель достигла AUROC 0,84, точности 78%, чувствительности 72%, специфичности 79% и F1-меры 0,617. После постобработки с учетом равных возможностей точность незначительно увеличилась до 81%, а специфичность — до 94%, в то время как чувствительность снизилась до 41%, а F1-мера — до 0,515, что отражает компромисс в отношении справедливости. Выводы: MASER показала конкурентоспособные результаты в прогнозировании MASLD, сопоставимые с ранее описанными ансамблевыми и древовидными моделями, при использовании ограниченного и регулярно собираемого набора признаков и разнообразной исследуемой популяции. Модель разработана для поддержки раннего выявления и потенциальной интеграции в рабочие процессы первичной медицинской помощи. Система MASER демонстрирует готовность к использованию в электронных медицинских картах для прогнозирования MASLD с учетом корректировок, обеспечивающих объективность результатов, что позволит внедрить ее в практику первичной медицинской помощи в будущем после проведения проспективной валидации.

Источник: arxiv.org