Resumen
Introducción
El síndrome de ovario poliquístico (SOP) es un trastorno endocrino prevalente en mujeres que a menudo conduce a la infertilidad ovulatoria. Este estudio tiene como objetivo establecer y validar un modelo predictivo eficaz para el SOP y explorar la correlación de características entre pacientes con menstruación irregular y aquellos con SOP, utilizando parámetros de onda de pulso e índices clínicos de la medicina tradicional china (MTC).
Métodos
Desde agosto de 2018 hasta enero de 2022, se reclutaron mujeres con menstruación irregular en este estudio. Los sujetos que cumplían con los criterios de inclusión se categorizaron en grupos de SOP y no SOP según los criterios de diagnóstico. Los parámetros de onda de pulso e índices clínicos de la MTC fueron recopilados por dos profesionales médicos. Después de la limpieza de datos, se utilizó la eliminación recursiva de características con validación cruzada (RFECV) para la selección de características. Se utilizaron cuatro clasificadores de aprendizaje automático supervisado para construir modelos de predicción de SOP, incluyendo Extra Trees (ET), Random Forest (RF), Extreme Gradient Boosting (XGB/XGBoost) y Support Vector Machine (SVM). Los valores SHapley Additive exPlanation (SHAP) basados en el modelo óptimo se visualizaron para una mayor explicación de características.
Resultados
Un total de 450 mujeres con períodos irregulares participaron en el estudio, compuestas por 294 pacientes con SOP y 156 sin SOP. Basándose en RFECV, se seleccionaron 31 características, incluyendo 12 parámetros de pulso y 19 índices clínicos de la MTC, para construir modelos de predicción. El uso combinado de parámetros de pulso e índices clínicos de la MTC fue superior al uso de parámetros de pulso o índices clínicos de la MTC por separado en la predicción. SVM logró los mejores resultados de predicción de SOP (precisión=0.837, AUC=0.878, puntaje F1=0.878). Para los parámetros de pulso, valores más bajos de As derecho, h4 derecho, h1 izquierdo, h3 izquierdo, h5 izquierdo, w/t izquierdo y valores más altos de t5 derecho mostraron un efecto predictivo positivo obvio para SOP. Las mujeres con SOP tenían más probabilidades de experimentar menstruación retrasada, emociones negativas, una textura menstrual ligeramente gelatinosa, un IMC más alto y una evaluación de la MTC de recubrimiento de lengua graso.
Conclusión
Se estableció y verificó un modelo de predicción de SOP basado en el algoritmo SVM como el mejor modelo para distinguir entre pacientes con SOP y pacientes sin SOP con menstruación irregular. El nuevo modelo de predicción que utiliza parámetros de onda de pulso e índices clínicos de la MTC ofrece una manera no invasiva y rentable de diagnosticar el SOP, y el modelo proporciona evidencia objetiva para el diagnóstico de la MTC.
FUENTE: Jiekee Lim, Jieyun Li, Xiao Feng, Lu Feng, Xinang Xiao, Yumo Xia, Yiqin Wang, Lin Qian, Hong Yang, Zhaoxia Xu,
Machine learning-based evaluation of application value of traditional Chinese medicine clinical index and pulse wave parameters in the diagnosis of polycystic ovary syndrome,European Journal of Integrative Medicine, Volume 64, 2023,
