特拉维夫，以色列，2025年1月29日/EINPresswire.com/——乳糜泻影响全球约1%的成人和儿童。然而，许多人在确诊前忍受多年症状。研究表明，有些人可能需要超过十年才能被确诊。
一项由Maccabi KSM研究和创新中心及Predicta Med进行的开创性研究表明，利用电子病历（EMRs）中的数据，机器学习模型能够识别出未确诊乳糜泻的高风险患者。该研究结果发表在《Nature Portfolio》的《Scientific Reports》期刊上，发现这些模型可以在首次记录疾病证据前最多提前四年识别出乳糜泻患者。该研究获得了赫尔辛基委员会的伦理批准。
目前，乳糜泻通过血清学测试和肠活检来诊断，但确定谁应该接受测试是一个挑战，尤其是在成年人中，他们可能有多种症状或无症状。在这项研究中，研究人员分析了来自Maccabi Healthcare Services（一家领先的以色列健康维护组织）的匿名EMR数据，包括超过290万患者的资料。研究人群包括具有高度升高的组织转谷氨酰胺酶抗体（tTG-IgA）水平的病例患者和无乳糜泻记录的对照患者，tTG-IgA是预测乳糜泻的高度敏感标志物。
研究人员使用常见的实验室测试和基本人口统计信息（性别和年龄）训练了机器学习模型，并评估了这些模型在区分两种类型患者方面的能力。评估指标是曲线下面积（AUC），其值介于0到1之间，值越高表示性能越好。模型在确诊前1至4年的时间间隔内进行了测试，结果显示XGBoost算法表现最佳，在确诊前一年的AUC达到0.86，即使在长达四年的更长时间间隔内也保持了较强的准确性（AUC > 0.8）。关键预测因子包括低血红蛋白、低铁蛋白、低高密度脂蛋白胆固醇（HDL）和升高的肝功能测试。
这项研究提供了一个有前景的框架，用于使用机器学习检测乳糜泻高风险患者，展示了利用常规临床数据进行早期检测的可行性。这种方法有可能被整合到拥有全面EMR系统的医疗实践中。
“早期识别乳糜泻可以显著改善患者预后，因为较早确诊的患者通常会有更好的肠道愈合和较少的症状，而延迟诊断则与即使遵循无麸质饮食仍持续的健康问题相关联。”KSM研究和创新中心的儿科胃肠病学家和高级临床研究员Amir Ben-Tov博士说道。
开发的工具未来可能会发展成为一种预筛查方法，标记出需要进一步评估（包括血清学测试和活检）的患者。Predicta Med正在与美国主要医院合作进行试点，以证明该工具在前瞻性环境中的有效性。与加利福尼亚州一家大型医院正在进行的研究表明，AI的指示与临床医生的疾病风险评估高度一致。
(全文结束)
