(资料图)
强直性脊柱炎(AS) 是第二种最常见的炎症性关节炎,通常影响青少年和年轻人。AS 的症状包括背痛、僵硬、关节发炎(关节炎)、肌腱附着于骨骼处的炎症(附着点炎)和疲劳。随着时间的推移,这些症状会导致脊柱融合,从而显着影响生活质量,尤其是在年轻人中。
不幸的是,诊断 AS 可能是一个漫长的过程,从出现症状开始最多需要十年时间,而且通常需要 X 光检查。病情进展缓慢,加上缺乏明确的测试,导致了这些延误。
然而,及早发现病情可以产生巨大的不同,阻止退化过程并为受影响的人保持良好的生活质量。
我们的研究探索了使用从全科医生和医院常规收集的医疗保健数据并结合先进的机器学习技术在早期阶段识别 AS 的潜力。机器学习涉及使用算法来分析样本数据,无需显式编程即可实现预测和决策。
我们分别分析了男性和女性的数据,我们的发现可能会改变全科医生检测和诊断 AS 的方式。
一个有价值的工具
为了进行我们的研究,我们使用了来自斯旺西大学医学院国家数据库的匿名数据。确定患有 AS 的患者,并将其与没有诊断记录的人进行匹配。
我们对这些数据的分析发现,腰痛、葡萄膜炎(眼睛中层的炎症)以及在 20 岁之前使用非甾体类抗炎药等因素是与患糖尿病风险增加相关的因素和男人一样。
相比之下,我们的模型显示女性往往在较晚的年龄出现 AS 症状,并且与男性相比往往依赖多种止痛药。这可能表明女性病情误诊的可能性更高。
机器学习是一种有价值的工具,可用于分析和了解可能发展为 AS 的人的特征。它在具有人为高流行率的测试数据集中表现良好。
关键词: