Охорона здоров'я

ML-формула для LDL-C: ефективність на рівні Martin-Hopkins

E

Elana Gotkine

2 хв читання

Концептуальна ілюстрація, що символізує спрощення та оптимізацію медичного розрахунку за допомогою машинного навчання.

Нове дослідження, опубліковане в JAMA Cardiology, демонструє, що спрощена формула для розрахунку холестерину ліпопротеїнів низької щільності (LDL-C), розроблена на основі машинного навчання, забезпечує результати, порівнянні з оригінальною формулою Martin-Hopkins.

Методологія дослідження

Дослідники, серед яких Дживан Парк (Jihwan Park, Ph.D.) з Школи громадського здоров'я Блумберга Університету Джонса Гопкінса, використали багатовимірні адаптивні регресійні сплайни (multivariate adaptive regression splines, MARS) для розробки нової формули, названої LDL-C-MH-MARS. Її ефективність порівнювали з формулами Friedewald (LDL-C-F), Sampson-National Institutes of Health (LDL-C-S), Modified Sampson (LDL-C-MS) та Martin-Hopkins (LDL-C-MH).

У дослідженні взяли участь 4 939 528 пацієнтів з повними даними ліпідної панелі. Учасників випадковим чином розділили на навчальний (3 292 889) та тестовий (1 646 639) набори.

Ключові результати

Формула LDL-C-MH-MARS показала дуже низьке медіанне зміщення −0.1 мг/дл, що було порівнянним з LDL-C-MH. Медіанна різниця між цими двома формулами становила −0.5 мг/дл, підтверджуючи їхню порівнянність.

Найменша середньоквадратична похибка (RMSE) була зафіксована для LDL-C-MH-MARS (4.7 мг/дл) та LDL-C-MH (4.9 мг/дл). Інші формули показали вищі значення: LDL-C-S (5.8), LDL-C-MS (6.0) та LDL-C-F (7.2 мг/дл).

Частка пацієнтів, правильно класифікованих за клінічними категоріями, була майже ідентичною для LDL-C-MH-MARS (89.7%) та LDL-C-MH (89.6%). Для інших формул цей показник був нижчим: LDL-C-S (86.3%), LDL-C-MS (84.7%) та LDL-C-F (83.1%). Аналогічні результати були отримані під час зовнішньої валідації.

Доступність та оптимізація

Співавтор дослідження Сет Мартін (Seth Martin, M.D.) з лікарні Джонса Гопкінса зазначив, що розрахунок холестерину LDL був оптимізований, а нова формула стала доступнішою та простішою для впровадження в усіх лабораторіях.

Що це означає для розробників

Ця новина означає, що розробники, які інтегрують розрахунки холестерину LDL-C у лабораторні інформаційні системи або медичне програмне забезпечення, можуть отримати вигоду від спрощеної та оптимізованої формули. Це може полегшити впровадження точних розрахунків у клінічні системи.

Ключові факти

  • Спрощена ML-формула LDL-C-MH-MARS дає результати, порівнянні з оригінальною формулою Martin-Hopkins.

  • Дослідження опубліковано 15 липня в JAMA Cardiology.

  • Формула розроблена Дживаном Парком та колегами з Університету Джонса Гопкінса за допомогою багатовимірних адаптивних регресійних сплайнів.

  • У дослідженні взяли участь майже 5 мільйонів пацієнтів.

  • LDL-C-MH-MARS мала низьке медіанне зміщення (-0.1 мг/дл) та найменшу середньоквадратичну похибку (4.7 мг/дл).

Джерела

Охорона здоров'яШтучний інтелектДані та аналітикаРозробка ПЗ

Попередні статті

Редакційна фотографія студентів у сучасній університетській лабораторії Техаського університету A&M, які займаються навчанням з ШІ та кібербезпеки.

Техаський університет A&M отримав грант на розвиток ШІ та кібербезпеки

Техаський університет A&M отримав федеральний грант на майже 2 мільйони доларів від Національного наукового фонду США для розвитку робочої сили у сферах штучного інтелекту та кібербезпеки.

Серверна стійка в дата-центрі з синіми та червоними світловими потоками, що символізують об'єднання операційних даних та даних безпеки.
30 липня 2026Кібербезпека

Інтеграція AWS DevOps Agent та Wiz: Новий рівень контексту безпеки для розслідувань інцидентів

Нова інтеграція AWS DevOps Agent з Wiz використовує Model Context Protocol (MCP) для автоматичного додавання контексту безпеки до операційних розслідувань, допомагаючи інженерам швидко розрізняти операційні проблеми та інциденти безпеки.