Modelo de aprendizado de máquina pode prever transtorno do espectro do autismo

Siga Drugslib em

Revisado clinicamente por Drugs.com.

Por Elana Gotkine HealthDay Reporter

SEGUNDA-FEIRA, 19 de agosto de 2024 – Em um estudo de diagnóstico, o aprendizado de máquina (ML) pode prever o transtorno do espectro do autismo (TEA), de acordo com um estudo publicado on-line em 19 de agosto na JAMA Network Open.

Shyam Sundar Rajagopalan, Ph.D., do Karolinska Institutet em Estocolmo, e colegas desenvolveram e validaram um modelo de ML para prever TEA usando um conjunto mínimo de recursos de histórico e informações médicas. Foi realizada uma análise retrospectiva do banco de dados da Simons Foundation Powering Autism Research for Knowledge, incluindo dados de 30.660 participantes (15.330 com e 15.330 sem TEA). Modelos generalizáveis ​​de predição de ML foram desenvolvidos usando quatro algoritmos: regressão logística, árvore de decisão, floresta aleatória e eXtreme Gradient Boosting (XGBoost).

Os pesquisadores descobriram que o modelo XGBoost demonstrou forte desempenho, com uma pontuação de área sob a curva característica de operação do receptor (AUROC) de 0,895; sensibilidade e especificidade de 0,805 e 0,829, respectivamente; e um valor preditivo positivo de 0,897. Os preditores mais importantes foram marcos de desenvolvimento e comportamento alimentar. Um AUROC de 0,790 foi observado na validação em coortes independentes, indicando boa generalização.

"Informações médicas precoces em clínicas de atendimento infantil podem ser usadas para rastrear aqueles com maior probabilidade de serem diagnosticados com TEA", o estudo os autores escrevem.

Resumo/Texto completo

Isenção de responsabilidade: os dados estatísticos em artigos médicos fornecem tendências gerais e não se referem a indivíduos. Fatores individuais podem variar muito. Sempre procure aconselhamento médico personalizado para decisões individuais de saúde.

Fonte: HealthDay

Postou : 2024-08-20 01:15

Consulte Mais informação

Isenção de responsabilidade

Todos os esforços foram feitos para garantir que as informações fornecidas por Drugslib.com sejam precisas, atualizadas -date e completo, mas nenhuma garantia é feita nesse sentido. As informações sobre medicamentos aqui contidas podem ser sensíveis ao tempo. As informações do Drugslib.com foram compiladas para uso por profissionais de saúde e consumidores nos Estados Unidos e, portanto, o Drugslib.com não garante que os usos fora dos Estados Unidos sejam apropriados, a menos que especificamente indicado de outra forma. As informações sobre medicamentos do Drugslib.com não endossam medicamentos, diagnosticam pacientes ou recomendam terapia. As informações sobre medicamentos do Drugslib.com são um recurso informativo projetado para ajudar os profissionais de saúde licenciados a cuidar de seus pacientes e/ou para atender os consumidores que veem este serviço como um complemento, e não um substituto, para a experiência, habilidade, conhecimento e julgamento dos cuidados de saúde. profissionais.

A ausência de uma advertência para um determinado medicamento ou combinação de medicamentos não deve de forma alguma ser interpretada como indicação de que o medicamento ou combinação de medicamentos é seguro, eficaz ou apropriado para qualquer paciente. Drugslib.com não assume qualquer responsabilidade por qualquer aspecto dos cuidados de saúde administrados com a ajuda das informações fornecidas por Drugslib.com. As informações aqui contidas não se destinam a cobrir todos os possíveis usos, instruções, precauções, advertências, interações medicamentosas, reações alérgicas ou efeitos adversos. Se você tiver dúvidas sobre os medicamentos que está tomando, consulte seu médico, enfermeiro ou farmacêutico.

Palavras-chave populares