机器学习识别预测IBD患者早死的关键共病

新机器学习研究表明，早期生活中的慢性疾病如关节炎、情绪障碍和高血压可能会导致IBD患者的早死——突显了早期干预的关键机会。

《加拿大医学会杂志》最近的一项研究使用机器学习模型来调查多病性与IBD死亡者早死之间的模式。

IBD和早死

IBD（炎症性肠病）是一组影响胃微生物群落的慢性炎症性疾病，包括克罗恩病和溃疡性结肠炎。研究人员预测，到2035年，加拿大将有大约47万人患上IBD。

被诊断为IBD的个体更容易发展出慢性健康状况，并因此比其他人更有可能经历早死。因此，确定哪些共病会导致IBD患者早死的风险增加至关重要。

研究概述

当前基于人群的回顾性队列研究使用安大略省的行政健康数据，通过三个任务的机器学习（ML）技术预测IBD患者的早死率。研究人员还确定了非IBD慢性疾病与IBD死亡者早死之间的模式。

任务1在不考虑晚年发展的慢性疾病（如充血性心力衰竭、痴呆症和慢性冠状动脉综合征）的情况下预测早死。相比之下，任务2和任务3考虑了非IBD慢性疾病的存在与早死之间的关联。任务3考虑了年轻时诊断出的情绪障碍、男性性别、高血压、骨关节炎和其他类型的关节炎以及精神健康障碍。

对于任务1和任务2，开发了逻辑回归、随机森林和极端梯度提升（XGBoost）模型。XGBoost模型（XGB3）用于任务3，总共包含七个模型。

当前研究考虑了2010年1月1日至2020年1月31日期间居住在安大略省、被诊断为IBD并死亡的个体的数据。使用安大略省克罗恩病和结肠炎队列研究数据来识别被诊断为IBD的患者。

使用经过验证的健康行政数据算法，识别出具有慢性疾病史（如充血性心力衰竭、哮喘、糖尿病、慢性阻塞性肺病、高血压、心脏心律失常、类风湿性关节炎和精神健康障碍）的个体。

研究发现

当前研究共纳入9,278名IBD死亡者，其中49.3%为女性，47.2%经历了早死。60岁时最常见的共病是骨关节炎和其他类型的关节炎、情绪障碍和高血压。在死亡时，常见的情况包括骨关节炎和其他类型的关节炎、高血压、情绪障碍、肾功能衰竭和癌症。

所有七个机器学习模型在测试数据上表现出强大的性能和校准。在任务2和任务3中观察到了更好的模型性能，这两个任务都包括了在60岁之前被诊断出共病的个体。

预测早死的最强特征因任务而异。因此，尽管所有模型都表现出相似的预测能力，但它们的结果基于数据中的不同关系。

任务3中使用的模型在错误率为11%的情况下表现出较少的预测错误。假阳性预测与特定情况相关，包括骨关节炎和其他类型的关节炎（58%）、高血压（56%）和情绪障碍（53%），而假阴性错误发生在共病较少的个体中。

在IBD亚型和性别之间获得了类似的预测结果。例如，与所有模型相比，一个包含在60岁或之前诊断出的每种慢性疾病的年龄的模型表现最佳。

结论

机器学习模型有潜力准确预测与非IBD共病相关的早死，特别是在这些模型接受早期生活条件训练时。此外，年轻时诊断出的情绪障碍、高血压、骨关节炎和其他类型的关节炎以及精神健康障碍，以及男性性别，也是可以用来预测早死的重要特征。

“我们的模型有助于解析和捕捉患者的异质性，识别需要更多针对性随访的领域，以更好地了解其临床重要性和与IBD严重程度的关系。”

为了在人口层面制定有效的预防护理措施，还需要进一步的多学科研究来阐明IBD中的多病性如何导致早死。

(全文结束)