Machine Learning-Based Analysis of Serum Interleukin-39 and Interleukin-40 Levels for Differentiating Rheumatoid Arthritis and Systemic Lupus Erythematosus

Amaç: Romatoid artrit (RA) ve sistemik lupus eritematozus (SLE), bağışıklık düzensizliği ve sistemik enflamasyon ile karakterize edilen ciddi otoimmün hastalıklardır. Tanı araçlarındaki gelişmelere rağmen klinik belirtilerin birbiriyle örtüşmesi nedeniyle RA'yı SLE'den ayırt etmek hala zordur. Ortaya çıkan kanıtlar, interlökin-39 [(IL)-39] ve IL-40 gibi yeni sitokinlerin otoimmün patogenezdeki potansiyel rollerini vurgulamaktadır. Bu çalışma, çeşitli makine öğrenimi (ML) algoritmaları kullanarak RA ile SLE’yi ayırt etmek için serum IL-39 ve IL-40 düzeylerinin tanısal yararını değerlendirmeyi amaçlamıştır.
Yöntemler: RA’lı 66 hasta ve SLE’li 66 hastadan elde edilen veriler, daha önce yayınlanmış serum IL-39 ve IL-40 veri setleri kullanılarak analiz edilmiştir. Lojistik regresyon, rastgele orman, karar ağacı ve destek vektör makinesi gibi ML algoritmaları uygulandı. Model performansı, duyarlılık, doğruluk, özgüllük ve alıcı işletim karakteristik eğrisi altındaki alan kullanılarak değerlendirildi.
Bulgular: SLE hastaları, RA hastalarına göre anlamlı olarak daha yüksek serum IL-39 ve IL-40 düzeyleri sergiledi (p<0,001). Rastgele orman modeli %92,4 doğruluk ve 0,95 AUC elde etti. Özellik önem analizi, IL-39 ve IL-40’ın sınıflandırma performansına sırasıyla %58 ve %42 katkıda bulunduğunu ortaya koydu.
Sonuçlar: IL-39 ve IL-40 serum düzeylerine dayalı ML modelleri, RA’yı SLE’den etkili bir şekilde ayırt edebilir. Bulgular, yapay zeka tabanlı analitik yaklaşımların yeni sitokin biyobelirteçleriyle entegre edilmesinin, otoimmün hastalıklarda tanı doğruluğunu artırabileceğini ve ayırıcı tanıyı destekleyebileceğini göstermektedir.

Keywords: Rheumatoid arthritis, systemic lupus erythematosus, interleukin-39, interleukin-40, machine learning, biomarkers

Romatoid Artrit ve Sistemik Lupus Eritematozusun Ayırt Edilmesi için Serum İnterlökin-39 ve İnterlökin-40 Düzeylerinin Makine Öğrenimi Temelli Analizi

Amaç: Romatoid artrit (RA) ve sistemik lupus eritematozus (SLE), bağışıklık düzensizliği ve sistemik enflamasyon ile karakterize edilen ciddi otoimmün hastalıklardır. Tanı araçlarındaki gelişmelere rağmen klinik belirtilerin birbiriyle örtüşmesi nedeniyle RA'yı SLE'den ayırt etmek hala zordur. Ortaya çıkan kanıtlar, interlökin-39 [(IL)-39] ve IL-40 gibi yeni sitokinlerin otoimmün patogenezdeki potansiyel rollerini vurgulamaktadır. Bu çalışma, çeşitli makine öğrenimi (ML) algoritmaları kullanarak RA ile SLE’yi ayırt etmek için serum IL-39 ve IL-40 düzeylerinin tanısal yararını değerlendirmeyi amaçlamıştır.
Yöntemler: RA’lı 66 hasta ve SLE’li 66 hastadan elde edilen veriler, daha önce yayınlanmış serum IL-39 ve IL-40 veri setleri kullanılarak analiz edilmiştir. Lojistik regresyon, rastgele orman, karar ağacı ve destek vektör makinesi gibi ML algoritmaları uygulandı. Model performansı, duyarlılık, doğruluk, özgüllük ve alıcı işletim karakteristik eğrisi altındaki alan kullanılarak değerlendirildi.
Bulgular: SLE hastaları, RA hastalarına göre anlamlı olarak daha yüksek serum IL-39 ve IL-40 düzeyleri sergiledi (p<0,001). Rastgele orman modeli %92,4 doğruluk ve 0,95 AUC elde etti. Özellik önem analizi, IL-39 ve IL-40’ın sınıflandırma performansına sırasıyla %58 ve %42 katkıda bulunduğunu ortaya koydu.
Sonuçlar: IL-39 ve IL-40 serum düzeylerine dayalı ML modelleri, RA’yı SLE’den etkili bir şekilde ayırt edebilir. Bulgular, yapay zeka tabanlı analitik yaklaşımların yeni sitokin biyobelirteçleriyle entegre edilmesinin, otoimmün hastalıklarda tanı doğruluğunu artırabileceğini ve ayırıcı tanıyı destekleyebileceğini göstermektedir.

Anahtar Kelimeler: Romatoid artrit, sistemik lupus eritematozus, interlökin-39, interlökin-40, makine öğrenimi, biyobelirteçler