基于机器学习算法建立增殖型狼疮肾炎辅助诊断模型

作     者：王亚宁 董洋 李纳 李林淋 张丽娜 曹慧霞 阎磊 邵凤民 Wang Yaning;Dong Yang;Li Na;Li Linlin;Zhang Lina;Cao Huixia;Yan Lei;Shao Fengmin

作者机构：郑州大学人民医院(河南省人民医院)肾内科河南省肾脏病免疫重点实验室河南省肾病临床医学研究中心郑州450003 阜外华中心血管病医院郑州大学阜外华中心血管病医院肾内科郑州451450 

出 版 物：《中华风湿病学杂志》 (Chinese Journal of Rheumatology)

年 卷 期：2025年第29卷第1期

页      面：31-37,I0004页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

基　　金：国家自然科学基金(82300817) 

主　　题：机器学习 狼疮肾炎 诊断 预测模型 

摘      要：目的基于机器学习算法建立增殖型狼疮肾炎(LN)辅助诊断预测模型,并搭建一个可访问平台,提出一种辅助LN病理分型的无创方法。方法回顾性分析2017年1月至2023年8月河南省人民医院进行肾活检的212例LN患者的临床及病理数据,研究人群按7∶3的比例随机分为训练集和测试集,基于6种机器学习算法构建分类模型,采用准确率、灵敏度、特异度与受试者工作特征曲线下面积(AUC)评估各模型的预测效能。选择出最优模型后将其部署为网页计算器,以便于模型应用。采用SPSS 25.0和R 4.2.2软件对数据进行统计分析。结果共纳入212例患者,其中增殖型LN患者138例,非增殖型LN患者74例,logistic回归、决策树、随机森林、支持向量机、极端梯度提升和轻量梯度提升机6种模型在测试集的AUC值分别为0.79、0.62、0.79、0.88、0.81、0.77,准确率分别为82.54%、65.08%、74.60%、85.71%、69.84%、71.43%,其中支持向量机模型性能最优,将此模型部署为网页计算器。依据特征重要度评分筛选出前10项影响因素包括抗U1-核糖核蛋白抗体、免疫球蛋白G、球蛋白、估算肾小球滤过率、抗Sm抗体、体质指数、抗dsDNA抗体、血尿酸、抗核糖体P蛋白抗体、性别。结论基于机器学习算法成功建立预测模型,并开发网页计算器,为增殖型LN的诊断提供了一种简便无创的方法,有助于临床医生评估LN患者肾活检的风险收益比。