A Clinically and Biologically Based Subclassification of the Idiopathic Inflammatory Myopathies Using Machine Learning
Notice bibliographique
Résumé
Objective Published predictive models of disease outcomes in idiopathic inflammatory myopathies (IIMs) are sparse and of limited accuracy due to disease heterogeneity. Computational methods may address this heterogeneity by partitioning patients based on clinical and biological phenotype. Methods To identify new patient groups, we applied similarity network fusion (SNF) to clinical and biological data from 168 patients with myositis (64 adult polymyositis [PM], 65 adult dermatomyositis [DM], and 39 juvenile DM [JDM]) in the Rituximab in Myositis trial. We generated a sparse proof‐of‐concept bedside classifier using multinomial regression and identified characteristics that distinguished these groups. We conducted χ2 tests to link new patient groups with the myositis subtypes. Results SNF identified five patient groups in the discovery cohort that subdivided the myositis subtypes. The sparse multinomial regressor to predict patient group assignments (areas under the receiver operating characteristic curve = [0.78, 0.97]; areas under the precision‐recall curve = [0.55, 0.96]) found that autoantibody enrichment defined four of these groups: anti–Mi‐2, anti–signal recognition peptide (SRP), anti–nuclear matrix protein 2 (NXP2), and anti‐synthetase (Syn). Depletion of immunoglobulin M (IgM) defined the fifth group. Each group was associated with one subtype, with adult DM being associated with anti–Mi‐2 and anti‐Syn autoantibodies, JDM being associated with anti‐NXP2 autoantibodies, and adult PM being associated with IgM depletion and anti‐SRP autoantibodies. These associations enabled us to further resolve the current myositis subtypes. Conclusion Using unsupervised machine learning, we identified clinically and biologically homogeneous groups of patients with IIMs, forming the basis of an integrated disease classification based on both clinical and biological phenotype, thus validating other approaches and what has been previously described.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».