Алгоритми штучного інтелекту можуть оцінити ризик розвитку атопічної тріади

Атопічний дерматит, що розвивається у ранньому віці, є відомим попередником респіраторних атопічних захворювань, проте визначити, у яких дітей у шкільному віці розвинеться стійка астма середньої та тяжкої форми та алергічний риніт, як і раніше, залишається складним завданням.

Метою цього дослідження було розробити та валідувати моделі машинного навчання, які прогнозують індивідуальний ризик розвитку стійкої астми середньої та тяжкої форми та алергічного риніту у дітей, у яких діагностовано АД до 3-річного віку.

Методи

Автори провели ретроспективне когортне дослідження, використовуючи дані з електронних медичних карт медичного центру Kaiser Permanente Southern California. Для кожного результату (астма та риніт) серед дітей віком 5–11 років було розроблено дві моделі прогнозування: комплексну модель на основі електронних медичних записів із використанням детальних, структурованих клінічних змінних та спрощену клінічну модель, засновану на меншій кількості клінічних ознак, що є у розпорядженні на регулярній основі. Ефективність моделей оцінювали за допомогою площі під кривою (AUC), чутливості, позитивної прогностичної цінності (PPV) та калібрування за рівнями ризику.

Результати

Серед 10 688 дітей, що відповідали критеріям відбору, моделі для астми продемонстрували високу дискримінаційну здатність (AUC: 0,893 для комплексної моделі; 0,892 для спрощеної). При специфічності 95% комплексна модель досягла чутливості 40,4% та позитивної прогностичної цінності 39,3%; спрощена модель — чутливості 36,2% та позитивної прогностичної цінності 33,8%. Моделі риніту показали помірну ефективність (AUC: 0,793 та 0,773); при специфічності 90% комплексна модель досягла чутливості 35,5% та PPV 72,7%, тоді як спрощена модель — чутливості 34,0% та PPV 69,2%. Калібрування було задовільним, з високою збіжністю у групах найвищого ризику.

Висновок

Моделі машинного навчання, що використовують клінічні дані раннього віку, можуть точно оцінювати ризик розвитку астми середньої та тяжкої форми та алергічного риніту у дітей, що сприяє проактивному, індивідуалізованому веденню таких пацієнтів.

https://www.dermatologyadvisor.com/news/machine-learning-predicts-asthma-risk-in-children-with-early-life-atopic-dermatitis/

Chen, W., Zhou, B., Schatz, M., Subramaniam, A., Stanford, R. H., Shams, M., & Zeiger, R. S. (2026). Machine Learning Prediction of Asthma and Allergic Rhinitis in Children with Early-Onset Atopic Dermatitis. Journal of Allergy and Clinical Immunology.  [PMID: 42002051]