این مطلب مرور آموزشی یک پژوهش است و جایگزین توصیه پزشکی یا تغذیه‌ای فردی نیست.
عنوان پژوهش اصلی
MR Derived Cardiac Metabolism Changes in Patients With Obesity and Diabetes: Knowledge Discovery Via Bayesian Networks and Random Forest Classification
مدل‌های Random Forest در مقایسه‌های مختلف بین گروه‌ها به دقت آزمون ۷۶٫۴۷ تا ۹۰٫۴۸ درصد رسیدند. اهمیت ویژگی‌ها بر اساس SHAP نشان داد اندازه‌گیری‌های متابولیک حاصل از MRS برای شناسایی تفاوت‌های مرتبط با دیابت سهم قابل‌توجهی دارند. شبکه‌های بیزی نیز الگوهایی میان چربی احشایی، جرم بطن چپ، نسبت PCr/ATP و چربی قلب نشان دادند، اما این روابط به‌تنهایی اثبات‌کننده علیت نیستند.
این نتایج نشان می‌دهد اندازه‌گیری متابولیسم قلب با MRS می‌تواند در آینده مکمل تصویربرداری‌های رایج برای درک بهتر تغییرات قلبی در چاقی و دیابت باشد. با این حال، مدل ارائه‌شده هنوز ابزار تشخیصی آماده استفاده بالینی نیست و برای چنین کاربردی به اعتبارسنجی مستقل و آینده‌نگر نیاز دارد.
حجم نمونه ۱۹۵ نفر بود و عملکرد مدل در چند مقایسه زیرگروهی ارزیابی شد. چکیده مقاله اعتبارسنجی خارجی آینده‌نگر را گزارش نمی‌کند؛ بنابراین دقت‌های به‌دست‌آمده نباید به‌عنوان عملکرد قطعی در جمعیت‌های دیگر تفسیر شوند. همچنین ساختارهای استخراج‌شده از شبکه بیزی می‌توانند فرضیه‌ساز باشند، اما اثبات رابطه علت و معلولی نیستند.
مقاله در NMR in Biomedicine منتشر شده و از داده‌های انسانی و روش‌های تفسیرپذیر یادگیری ماشین استفاده می‌کند. نقطه قوت آن ترکیب داده‌های متابولیک، تصویربرداری و تحلیل مدل است؛ مهم‌ترین احتیاط این است که عملکرد طبقه‌بندی با سودمندی بالینی یا اثبات مکانیسم بیماری یکسان نیست.
گفت‌وگو
نظرها
دیدگاه خود را درباره این تازهٔ پژوهشی بنویسید.
در حال دریافت نظرها…