APASL 2023中国力量丨赵新颜教授团队：机器学习鉴别DILI和AIH新模型的开发与验证

鉴别药物性肝损伤（DILI）和自身免疫性肝炎（AIH）至关重要，但具有很大的挑战性。2023年2月15日至2月19日，亚太肝脏研究协会会议 (APASL 2023)盛大召开，首都医科大学附属北京友谊医院赵新颜教授团队于会上发表研究，对机器学习（ML）鉴别DILI和AIH新模型的开发与验证进行了分享。肝胆相照平台特邀赵新颜教授对研究进行分享，供临床医生参考。

研究方法

本研究为多中心、横断面研究，纳入了2009年1月至2022年10月于中国10家三甲医院诊断为DILI和AIH患者。训练数据集来自于北京友谊医院。验证数据集包括来自9个中心的3个独立的回顾性队列和1个前瞻性队列，该研究已在临床研究注册网注册（NCT05532345）。

通过选择不同机器学习算法对训练集中29个参数（由常规实验室检测数据组成，如肝脏生化或免疫学指标）进行模型训练和模型内部验证。为了维持模型诊断准确性的同时简化模型参数，研究采用SHAP分析来评估模型中每个参数的重要性。模型效能通过受试者工作特征曲线下面积（AUROC）进行测量。

研究结果

本研究共纳入2494例患者（DILI患者1711例，AIH患者783例）。模型由谷丙转氨酶（ALT）、球蛋白（GLB）、抗核抗体（ANA）、免疫球蛋白G（IgG）和血小板（PLT）5个参数组成。

模型在内部验证集中表现出了良好的识别效能（AUROC=0.97）。模型在外部验证集中也表现良好（AUROC=0.98）。

赵新颜教授团队基于该模型正在构建一个名为BJ-AID的网站，研究人员可以输入上述5个参数，诊断结果会出现在屏幕上，并显示出诊断的置信度。

研究结论

本研究开发并验证了一个机器学习智能模型，该模型通过输入一些常规可获得的实验室检查参数来鉴别DILI和AIH。ML模型有助于肝病医生、全科医生或家庭医生进行DILI和AIH的鉴别诊断。

研究者说

赵新颜 教授

人工智能在肝脏病学中的研究进展迅速，起初主要集中于肝脏肿瘤领域，目前已经扩展至传染性或非传染性肝病领域。

本研究利用首都医科大学附属北京友谊医院数据库构建机器学习模型，随后经多中心数据库进行了系统验证，结果提示人工智能模型，BJ-AID（“北京帮助”）可以很好的鉴别AIH及DILI，可以作为辅助临床医生鉴别诊断DILI及AIH的智能工具。

简评专家简介

赵新颜 教授

▪首都医科大学附属北京友谊医院肝病中心 副主任

▪主任医师，北京市科技新星

▪国际肝移植学会（ILTS） 病理学委员会 副主席

▪中国中西医结合学会肝病学分会青年委员会 副主任委员

▪中华医学会肝脏病学分会 青年委员

▪主持国家自然科学基金2项

▪主持北京市科委协同发展中心脂肪肝研究课题(子课题一)

▪以第一作者或通讯作者发表SCI文章20余篇

本研究并列第一作者 王昱、林旭辉及孙颖（解放军第五医学中心）

并列通讯作者 张晶（首都医科大学附属佑安医院），邹正升（中国人民解放军第五医学中心）及赵新颜（首都医科大学附属北京友谊医院）

整理/肝胆相照平台 审校/赵新颜教授

本文仅供医疗卫生专业人士为了解资讯使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解资讯以外的目的，平台及作者不承担相关责任。