机器学习模型预测多发性硬化症高危症状的性能

快速阅读: 《Nature.com》消息，本研究承认局限性并提出改进方案。症状主观性影响评分意义，未来需标准化回答。数据采集耗时且参与度有限，新版应用将兼容双平台并简化流程。对症治疗引入噪声，药物功能将重设。轻量版调查提升留存，未来版本注重无障碍设计。所有名称等已音译成中文。

我们承认本研究存在一定的局限性，同时探讨了这些不足之处，并提出了相应的解决方案，计划在应用程序的后续迭代中予以实施。

首先，症状体验具有主观性，因此在李克特量表上的相同分数可能因个体差异而被赋予不同的意义。未来的研究可以在这一方面进行更多探索，帮助个人校准并标准化他们的回答。

其次，在数据采集过程中，某些环节需要投入大量精力，这可能在某些情况下限制数据的完整性。此外，我们注意到参与度有所下降——从下载应用的1804名参与者中，仅有713名参与者能够持续提供至少三个月的数据，整体参与的中位时间约为七周。参与者流失可能导致数据中出现一定偏差，具体取决于谁注册并坚持参与。特别值得注意的是，定期使用该应用的群体相较于当前流行病学估计显得更为年轻。由于该应用仅限于英语用户和iPhone用户，这种偏差进一步加剧。为解决这一问题，新版应用已设计为同时兼容iOS和Android系统，并大幅简化了数据录入流程。

第三，部分患者接受了对症治疗来管理研究涉及的症状，这是这项观察性研究的一个局限。参与者被要求记录用药情况以供回顾分析中考虑潜在的症状调节效应，但由于用药数据缺乏统一标准，导致了大量不同药物及其类别的出现（约数百种），这为我们的模型引入了许多噪声。我们决定将这些内容从当前研究中剔除，并在新版本应用中重新设计了药物推算功能。

第四，我们并未采用经过验证的调查工具如《多发性硬化生活质量调查表》（MSQLI），而是采用了更为轻量化的调查方式。MSQLI 是为临床环境设计的，旨在减少采集频率。我们预计将其移植到智能手机环境中会导致参与者每日接受调查时的负担显著增加。因此，我们选择轻量版以提升留存率。

最后，尽管在机器学习和临床方向上进行了诸多尝试来指导应用开发，但用户体验仍未完全优化以适应目标用户的使用习惯和参与热情。此问题现已得到改善，未来的版本将优先考虑无障碍设计。

请注意，文中所有名称、地点、公司及设备均已被音译成中文。

(以上内容均由Ai生成)