瑞典乌普萨拉大学开发了一种个体化诊断预测模型

4月24日，瑞典乌普萨拉大学研究人员采用机器学习与人工智能技术，基于机器学习采取共形预测（CP）等方法，针对多发性硬化症（MS）评估，构建了精准的预测模型。研究成果发表在《数字医学》（Digital Medicine）上。

从复发缓解型硬化症（RRMS）逐渐过渡到继发性进展型硬化症（SPMS），回顾性诊断通常会延迟3年。为了解决这种诊断延迟问题，研究人员开发了一个预测模型，使用电子健康记录来区分每次就诊时的复发缓解型硬化症（RRMS）和继发性进展型硬化症（SPMS）。该模型以99%的置信度提供了81%的单标签预测和18%的不可靠预测，错误率约为1%。当面对不可靠的预测时，可解释的人工智能对于阐明这些预测背后的原因十分重要。共形预测和人工智能都为用户提供了工具，以检查和分析偶尔不可靠的预测。