基于甲状腺血清功能指标的甲亢与桥本甲状腺炎鉴别模型研究

摘要

目的 建立并验证一种基于甲状腺血清功能指标与人工智能(AI)算法的鉴别诊断模型，以提高甲状腺功能亢进(甲亢)与桥本甲状腺炎(hashimoto thyroiditis, HT)的鉴别诊断准确性。方法 回顾性分析北京大学第一医院确诊的130例甲亢患者和121例HT患者的临床资料。比较两组甲功8项包括促甲状腺激素(thyroid stimulating hormone, TSH)、游离三碘甲状腺原氨酸(free triiodothyronine, FT3)、游离甲状腺素(free thyroxine, FT4)、总三碘甲状腺原氨酸(total triiodothyronine, TT3)、总甲状腺素(total thyroxine, TT4)、促甲状腺激素受体抗体(thyrotropin receptor antibody, TRAb)、甲状腺过氧化物酶抗体(thyroid peroxidase antibody, TPOAb)和甲状腺球蛋白抗体(thyroglobulin antibody, TgAb)血清指标水平。采用Boruta算法进行特征筛选，并利用筛选出的核心指标构建包括平均神经网络(artificial neural network, ANN)在内的8种AI鉴别模型。使用受试者工作特征曲线(receiver operating characteristic, ROC)的曲线下面积(area under the curve, AUC)来衡量模型在测试集上的判别能力。结果 甲亢组血清TSH水平低于HT组(P<0.001),血清TRAb、FT3、T4、FT4水平均显著高于HT组(P<0.001)。Boruta算法筛选出TRAb、TSH、FT4为最重要的鉴别特征。在8种AI模型中，基于TRAb、TSH、FT4 3项指标构建的ANN模型表现最佳，其在测试集中的AUC达到0.952 0,优于任何单项指标及7项指标的联合分析。结论 基于TRAb、TSH、FT4 3项血清指标并结合ANN算法构建的鉴别模型，对甲亢与HT具有较高的诊断价值，可作为一种有效的辅助诊断工具，为临床精准诊疗提供参考。

关键词

甲状腺功能亢进 / 桥本甲状腺炎 / 鉴别诊断 / 人工智能 / 血清标志物