基于机器学习的PediatricLiver评分在普通儿童人群中筛查显著肝纤维化的开发及验证研究

《npj Digital Medicine》：PediatricLiver score: a novel risk score for screening elevated liver stiffness in the pediatric population (CHESS2401)

　　摘要鉴于全球儿童肥胖率迅速攀升的严峻危机，慢性代谢性疾病随之增多，但儿童对此缺乏足够认知。因此，亟需可靠且易于获取的筛查工具，以在普通儿童人群中筛查显著肝纤维化。本前瞻性队列研究包含三个独立队列：一个训练队列，以及分别来自中国和美国（NHANES）的两个验证队列。共评估了8种机器学习算法，纳入1767名参与者。PediatricLiver评分是一种基于K近邻算法的模型，纳入年龄、性别、体质指数（BMI）、低密度脂蛋白胆固醇（LDL-C）、γ-谷氨酰转移酶（GGT）、白蛋白及球蛋白水平等指标，在训练队列（*n* = 437）中表现良好，AUC为0.82（95% CI: 0.74–0.89）。在验证队列（*n* = 730）中，AUC为0.87（95% CI: 0.82–0.91）；在NHANES队列（*n* = 600）中，AUC为0.80（95% CI: 0.72–0.87）。此外，该评分优于已确立的无创性肝纤维化评分，并且在按BMI划分的亚组中也表现出良好性能。PediatricLiver评分的免费、公开获取的在线计算器网址为：https://pediatricliverscore.shinyapps.io/child_shiny/ 。PediatricLiver评分可能是一种新开发的基于机器学习的工具，可用于在普通儿童人群中筛查显著肝纤维化。