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

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.