Modell des maschinellen Lernens kann Autismus-Spektrum-Störung vorhersagen

Folgen Sie Drugslib auf

Medizinisch überprüft von Drugs.com.

Von Elana Gotkine HealthDay Reporter

MONTAG, 19. August 2024 – Laut einer am 19. August online in JAMA Network Open veröffentlichten Studie kann maschinelles Lernen (ML) in einer Diagnosestudie Autismus-Spektrum-Störungen (ASD) vorhersagen.

Shyam Sundar Rajagopalan, Ph.D., vom Karolinska Institutet in Stockholm, und Kollegen entwickelten und validierten ein ML-Modell zur Vorhersage von ASD unter Verwendung eines minimalen Satzes von Funktionen aus Hintergrund- und medizinischen Informationen. Es wurde eine retrospektive Analyse der Datenbank Powering Autism Research for Knowledge der Simons Foundation durchgeführt, die Daten von 30.660 Teilnehmern (15.330 mit und 15.330 ohne ASD) umfasste. Verallgemeinerbare ML-Vorhersagemodelle wurden mithilfe von vier Algorithmen entwickelt: logistische Regression, Entscheidungsbaum, Random Forest und eXtreme Gradient Boosting (XGBoost).

Die Forscher fanden heraus, dass das XGBoost-Modell eine starke Leistung zeigte, mit einem AUROC-Wert (Area Under the Receiver Operating Characteristic Curve) von 0,895; Sensitivität und Spezifität von 0,805 bzw. 0,829; und ein positiver Vorhersagewert von 0,897. Die wichtigsten Prädiktoren waren Entwicklungsmeilensteine ​​und Essverhalten. Bei der Validierung unabhängiger Kohorten wurde ein AUROC von 0,790 beobachtet, was auf eine gute Generalisierbarkeit hinweist.

„Frühzeitige medizinische Informationen in Kinderkliniken können genutzt werden, um nach Personen zu suchen, bei denen die Wahrscheinlichkeit einer ASD-Diagnose höher ist“, so der Autoren schreiben.

Zusammenfassung/Volltext

Haftungsausschluss: Statistische Daten in medizinischen Artikeln stellen allgemeine Trends dar und beziehen sich nicht auf Einzelpersonen. Einzelne Faktoren können stark variieren. Lassen Sie sich bei individuellen Gesundheitsentscheidungen immer individuell medizinisch beraten.

Quelle: HealthDay

Gesendet : 2024-08-20 01:15

Mehr lesen

Haftungsausschluss

Es wurden alle Anstrengungen unternommen, um sicherzustellen, dass die von Drugslib.com bereitgestellten Informationen korrekt und aktuell sind aktuell und vollständig, eine Garantie hierfür kann jedoch nicht übernommen werden. Die hierin enthaltenen Arzneimittelinformationen können zeitkritisch sein. Die Informationen von Drugslib.com wurden für die Verwendung durch medizinisches Fachpersonal und Verbraucher in den Vereinigten Staaten zusammengestellt. Daher übernimmt Drugslib.com keine Gewähr dafür, dass eine Verwendung außerhalb der Vereinigten Staaten angemessen ist, sofern nicht ausdrücklich anders angegeben. Die Arzneimittelinformationen von Drugslib.com befürworten keine Arzneimittel, diagnostizieren keine Patienten und empfehlen keine Therapie. Die Arzneimittelinformationen von Drugslib.com sind eine Informationsquelle, die zugelassenen Ärzten bei der Betreuung ihrer Patienten helfen soll und/oder Verbrauchern dienen soll, die diesen Service als Ergänzung und nicht als Ersatz für die Fachkenntnisse, Fähigkeiten, Kenntnisse und Urteilsvermögen im Gesundheitswesen betrachten Praktiker.

Das Fehlen einer Warnung für ein bestimmtes Medikament oder eine bestimmte Medikamentenkombination sollte keinesfalls als Hinweis darauf ausgelegt werden, dass das Medikament oder die Medikamentenkombination für einen bestimmten Patienten sicher, wirksam oder geeignet ist. Drugslib.com übernimmt keinerlei Verantwortung für irgendeinen Aspekt der Gesundheitsversorgung, die mithilfe der von Drugslib.com bereitgestellten Informationen durchgeführt wird. Die hierin enthaltenen Informationen sollen nicht alle möglichen Verwendungen, Anweisungen, Vorsichtsmaßnahmen, Warnungen, Arzneimittelwechselwirkungen, allergischen Reaktionen oder Nebenwirkungen abdecken. Wenn Sie Fragen zu den Medikamenten haben, die Sie einnehmen, wenden Sie sich an Ihren Arzt, das medizinische Fachpersonal oder Ihren Apotheker.

Beliebte Schlüsselwörter