川崎病（KD）是发达国家儿童获得性心脏病的主要原因，但长期以来一直难以理解，具有多种特征和多种触发因素，原因不明。

在 COVID-19 大流行期间，川崎病发病率下降，但出现了另一种疾病：儿童多系统炎症综合征或 MIS-C，它与 KD 有许多共同症状，但与单一病原体 SARS-CoV-2 有关导致 COVID-19 的病毒。

在 2022 年 9 月 20 日发表在《柳叶刀数字健康》杂志上的一项新研究中，由加州大学圣地亚哥分校医学院的研究人员领导的国家科学家团队创建了一种用于诊断 MIS-C 和 KD 的机器学习算法。

“40 年来，川崎研究界一直试图为 KD 创建诊断测试，但失败了，”共同高级研究作者、圣地亚哥拉迪儿童医院儿科医生、加州大学圣地亚哥分校医学院川崎病研究中心主任、医学博士 Jane C. Burns 说

。 18 个月以来，我们创建了一个医生支持工具，使用简单的测试结果和任何医疗保健提供者、诊所或医院都可以做的体检的五个特征来区分儿童的 MIS-C 和 KD，准确度超过 90%。”

MIS-C、KD 和 COVID-19 具有相似的潜在分子模式和免疫反应。加州大学圣地亚哥分校的科学家今年早些时候发表的一项研究发现，所有三种炎症性疾病都处于相同的免疫反应连续体中，其中 MIS-C 是一种更MIS-C 和

KD

有许多共同的症状，包括发烧、皮疹和眼睛充血，但如果不治疗，KD 也会导致冠状动脉瘤和心脏病发作。目前尚不清楚 MIS-C 如何影响儿童吨他是长期的，但早期的数据表明完全恢复。这种情况仅在一些感染了 SARS-CoV-2 的儿童中出现。然而，对于 KD 和 MIS-C，早期诊断至关重要，但医生缺乏任何精确的方法来区分 MIS-C 与 KD 或其他急性发热儿童疾病。

这项新研究使用了 2009 年 1 月 1 日至 2021 年 6 月 7 日期间在 Rady Children"s 诊断为 MIS-C、KD 或其他发热性疾病的 1,517 名患者的数据，以及来自康涅狄格州哈特福德康涅狄格儿童医疗中心的其他患者数据（16 名患者）和洛杉矶儿童医院（50 名患者）。

一种名为 KIDMATCH 的新型深度学习算法，由该研究的第一作者 Jonathan Y. Lam 博士开发。加州大学圣地亚哥分校医学院医学副教授 Shamim Nemati 博士实验室的候选人被用来使用患者年龄、临床 KD 的五个经典体征和 17 个实验室测量值来比较 MIS-C 和 KD。

“深度学习算法在工业应用中表现出高性能，例如语音识别或机器翻译，并且擅长识别乘法风险因素。例如：在可能指示风险的感染存在下，免疫抑制和体温过低之间的相互作用，”内马蒂说。

Nemati 还指出了在开发机器学习中克服有偏见的数据集问题的好处。

“偏见的主要来源之一是训练数据集缺乏多样性，这导致模型在某些患者群体上的效果比其他人更好。正如本项目所做的那样，建立利用国家数据集的多样化培训人群有助于减轻模型的偏差。

“为了进一步解决偏见，机器学习专家在算法周围设置了一个边界，这使模型能够识别它是否对类似病例有足够的先验知识，从而可靠地确定患者是否有患 MIS-C 的风险。如果算法发现缺少数据，它将将该案例标记为不确定的结果。这些标志将类似机器学习模型的误报减少了 75%。这种错误警报的减少可以极大地减少资源负担或错误诊断所花费的时间。”

该算法的结论在来自波士顿儿童医院、华盛顿特区儿童国家医院和美国 14 家医院的 CHARMS 研究小组联盟的患者队列中得到了外部验证。

“当然，希望在这里，是 KIDMATCH 可以帮助一线临床医生区分 MIS-C、川崎病和其他发热性疾病，以便他们能够提供更早、适当的治疗并预防严重并发症，”共同高级研究作者 Nemati 说。KD 的

发生程度不同全球不同地区的患病率。在美国，估计每年有 4,000 至 5,000 例确诊病例，发病率为每 10 万五岁以下儿童 15 至 20 例。专家普遍认为疾病是由可能含有部分病毒、细菌或真菌的气溶胶引起的，但也有遗传因素。KD 患者的弟弟妹妹患 KD 的风险增加 10 倍 b因为共同的遗传倾向。当川崎病患儿长大后，他们的孩子患 KD 的风险更高。 MIS-C 是一种严重但罕见的疾病，通常需要住院治疗。它发生在大约 3,000 至 4,000 名感染 SARS-CoV-2 的儿童和青少年中的一名身上。大多数患有 MIS-C 的儿童没有任何报告的潜在疾病，尽管许多儿童肥胖。

进一步探索