《Multiple Sclerosis and Related Disorders》：Development of a Machine Learning Model to Predict the Expanded Disability Status Scale in Multiple Sclerosis Patients
编辑推荐：
本研究针对多发性硬化症（MS）患者 Expanded Disability Status Scale（EDSS）评分预测难题，通过整合基线、1年及2年随访数据中的126项临床特征，采用XGBoost、随机森林和线性回归三种机器学习模型进行预测效能比较。结果显示XGBoost模型表现最优（MAE=0.2361，R2=0.9705），为临床决策提供新工具。
作者：Asiye Tuba Ozdogar、Murat Emec、Ergi Kaya、Ela Simay Zengin、Mehmet Hilal Ozcanhan、Serkan Ozakbas
土耳其凡省Yüzüncü Y?l大学健康科学学院物理治疗系
摘要
目的
对多发性硬化症（MS）患者的残疾状况进行评估对于治疗决策和预后估计至关重要。扩展残疾状态量表（EDSS）为量化MS患者的残疾提供了标准化方法。然而，由于该疾病的复杂性和异质性，预测EDSS分数可能具有挑战性。机器学习技术基于各种患者特征提供了一种有前景的方法来预测EDSS分数。
方法
本研究招募了231名MS患者（pwMS），他们在三个时间点（基线（T0）、第一年（T1）和第二年（T2）接受了身体、心理社会和认知功能的评估。用于研究的数据集包含126个特征。特征选择基于特征显著性和相关性分析。在选定的特征上训练了三种机器学习模型——XGBoost、随机森林和线性回归，并对这些模型进行了超参数调整。使用包括MAE、MSE和R2在内的标准评估指标来评估模型性能。
结果
基于XGBoost算法的机器学习模型在预测T2时期的EDSS分数方面表现最佳。XGBoost模型的MAE值为0.2361，MSE值为0.2408，R2值为0.9705。这些结果表明XGBoost在当前数据集上的预测能力具有潜力。
结论
我们的研究表明，使用机器学习技术预测MS患者的EDSS分数是可行的。开发的模型表现出了良好的性能，并有潜力改善MS护理中的临床决策和患者管理。
部分内容摘录
引言
多发性硬化症（MS）是一种中枢神经系统的慢性炎症性疾病，其特征是随着时间的推移逐渐出现残疾（Thompson等人，2018年）。评估MS患者的残疾状况对于指导治疗决策和估计预后至关重要。尽管存在局限性，扩展残疾状态量表（EDSS）仍是一种被广泛认可的临床工具，用于标准化MS患者的残疾评估（Kurtzke，1983年）。
材料
我们分析了来自一项名为“多发性硬化症患者身体、心理社会和认知影响的随访：一项前瞻性队列研究”（ClinicalTrials.gov标识符：NCT03878836）的评估数据。在主要研究中，参与者每年通过临床、身体、心理社会和认知评估来跟踪我们的队列进展。所有在我们的诊所接受治疗的pwMS患者都被纳入了这项研究。
结果
使用三种基于误差的指标（MAE、MSE和RMSE）和一个拟合优度指标（R2）对五种机器学习模型——K-最近邻回归器（KNN Regressor）、支持向量回归器（SVR）、随机森林回归器（Random Forest Regressor）和提出的模型XGBoost（CorBoost）在测试集上的性能进行了评估。这些指标全面评估了模型的预测准确性和泛化能力。结果总结在表3中。
讨论
通过利用包含126个临床、人口统计和影像特征的数据集，我们开发并评估了多个预测模型，最终确定基于XGBoost的CorBoost模型最为有效。我们的一项重要发现是，使用不同的人口统计、临床和认知评估可以提高机器学习技术的EDSS预测能力。因此，利用人口统计、临床、身体和认知数据的机器学习技术在日常临床实践中可能具有价值。
结论
我们的研究强调了使用机器学习技术预测MS患者EDSS分数的潜力。所开发的模型表现出了良好的性能，并有潜力改善MS护理中的临床决策和患者管理。
作者贡献
Asiye Tuba Ozdogar：概念构思、方法论、验证、数据收集、数据整理、初稿撰写、可视化、项目管理
Murat Emec：概念构思、方法论、数据收集、数据整理、初稿撰写、可视化
Ergi Kaya：概念构思、方法论、数据收集、数据整理、初稿撰写、可视化
Ela Simay Zengin：概念构思、数据收集、审稿与编辑
资金来源
本研究未从公共部门、商业部门或非营利组织获得任何特定资助。
作者贡献声明
Asiye Tuba Ozdogar：初稿撰写、可视化、验证、资源管理、方法论制定、数据整理、概念构思
Murat Emec：初稿撰写、可视化、资源管理、方法论制定、数据整理、概念构思
Ergi Kaya：初稿撰写、可视化、资源管理、方法论制定、数据整理、概念构思
Ela Simay Zengin：审稿与编辑、数据整理
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
