基于標準數據集的川崎病臨床輔助診斷模型評估研究

劉 威 李 光 蔣 蓓 謝利劍 張 泓 周媛媛 劉如楠 徐志鵬 丁國徽 黃 敏

川崎病(Kawasaki disease，KD)是一種急性自身免疫性系統性血管炎性疾病，常累及冠狀動脈，是兒童獲得性心臟病致病的主要原因[1]，及早發現并治療KD患兒是臨床一線醫師的重要任務。目前，KD的臨床診治仍面臨諸多難題：① KD的早期診斷缺乏特異性指標[2]；②即使接受了大劑量靜脈注射免疫球蛋白(intravenous immunoglobulin，IVIG)的免疫調節治療，臨床實踐中冠狀動脈損傷(coronary artery lesion，CAL)的發生率仍可達5%[3-5]；③約15%的KD患兒存在IVIG治療無應答，這部分患兒CAL的發生率顯著增高，其臨床診治相對困難[6]。國內外已報道諸多基于KD臨床特征、實驗室檢查，以及基因檢測等指標的研究[7-15]。雖然KD研究模型眾多，但尚缺乏簡單、高效的臨床診斷模型，且因缺乏“明確數據模型標準和患者隊列化”的標準數據集，不同KD模型間的可比性有限。因此，建設KD專病標準數據集，評估KD臨床輔助診斷模型，以協助KD的鑒別診斷、有效治療、臨床研究和健康管理，對提高該疾病的精確診治，降低CAL的發生率和有效防治冠狀動脈瘤具有重要意義。

在本研究中，本課題組創新性地定義了KD標準數據模型，依據該模型回顧性調查了上海市兒童醫院診治的998例KD患兒的相關資料，構建標準數據集，部署安全計算環境，通過應用本課題組前期建立的KD高危預測模型和IVIG治療無應答預測模型[9,15]，結合日本第6版KD診斷指南[16]，對比Kobayashi預測模型[10]，從而驗證了一種基于標準數據集和隱私計算環境的全新的醫學人工智能算法比較模式，以期助力未來醫學人工智能在KD臨床評估和監管中的應用。……