基于机器学习剪切波弹性超声的早期慢性肾脏病分期预测模型

摘要：

目的:探究基于机器学习剪切波弹性超声(SWE)的慢性肾脏病(CKD)分期预测模型建立与应用.方法:收集上海交通大学医学院附属仁济医院肾脏科2019年5月—2019年12月间具有天然肾活检临床指征CKD患者的临床资料.运用传统二元logistic回归法与支持向量机(SVM)机器学习算法分析与建模,通过ROC曲线分析评价各预测模型的诊断效能.结果:共纳入117例肾活检证实CKD的患者.CKD各期存在不同SWE值;基于机器学习SWE的预测模型诊断CKD1、2期,优于两种logistic回归方法构建的预测模型;Logistic回归与SVM模型都不能预测3期或以上CKD分期.结论:基于机器学习剪切波弹性超声的预测模型可以分层诊断早期CKD,为CKD早期诊断与分层管理提供新思路.

关键词：慢性肾脏病;弹性超声;机器学习

所属期刊栏目：22

资助基金：本课题为国家重点研发计划项目No.2017YFE0110500

在线出版日期：2021-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：619-622