A multi-criterion feature integration framework for accurate diagnosis of Sjögren’s disease using routine laboratory tests
7.5
来源：
Nature
关键字：
AI medical imaging
发布时间：
2025-11-28 03:47
摘要：
本研究开发了Sjögren Multi-criterion Feature Integration Framework (SMFIF)模型，利用常规实验室测试实现Sjögren病的高效诊断。该模型基于34,958名患者的数据，经过内部和外部验证，显示出优异的诊断性能，AUC值分别为0.929、0.934和0.964。SMFIF模型提供了一种低成本、可获取的工具，显著提高了Sjögren病的诊断准确性，具有重要的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
1.0
关键证据
SMFIF模型在测试、内部和外部验证集中的AUC分别为0.929、0.934和0.964。
该模型基于16个特征，利用常规实验室测试提高Sjögren病的诊断准确性。
SMFIF模型提供了一种低成本、可获取的Sjögren病诊断工具。
真实性检查
否
AI评分总结
本研究开发了Sjögren Multi-criterion Feature Integration Framework (SMFIF)模型，利用常规实验室测试实现Sjögren病的高效诊断。该模型基于34,958名患者的数据，经过内部和外部验证，显示出优异的诊断性能，AUC值分别为0.929、0.934和0.964。SMFIF模型提供了一种低成本、可获取的工具，显著提高了Sjögren病的诊断准确性，具有重要的临床应用潜力。