Классификатор машинного обучения может эффективно выявлять пациентов с риском семейной гиперхолестеринемии (СГ), согласно исследованию, опубликованному 11 апреля в сети npj Digital Medicine.
Хуан М. Банда, Ph.D., из Стэнфордского университета в Калифорнии, и его коллеги использовали данные электронных медицинских карт (EHR) для разработки классификатора, который мог бы идентифицировать потенциальных пациентов с СГ. Был обучен случайный лесной классификатор с использованием данных 197 известных пациентов и 6 590 совпадающих случаев.
На проведенном тестовом наборе исследователи обнаружили, что положительная прогностическая ценность классификатора (PPV) равна 0.88 и чувствительность 0.75. Точность прогноза классификатора оценивалась на основе обзора карт 100 пациентов с риском СГ, не включенных в исходный набор данных. Классификатор правильно идентифицировал 84 процента пациентов с наивысшим порогом вероятности; при понижении порога производительность снижалась. PPV было 0.85 во внешней валидации на 466 пациентах с СГ (236 с генетически подтвержденной СГ) и 5000 сопоставленных не больных.
"В широком смысле, использование нашего классификатора для скрининга с использованием EHR может выявить многие тысячи недиагностированных пациентов с СГ и привести к более эффективной терапии и скринингу их семей," авторы пишут.
Несколько авторов раскрыли финансовые связи с фармацевтической отраслью и производством медицинского оборудования.