探讨基于高斯混合模型（GMM）和黏菌算法（SMA）联合特征选择方法（GSMA）在系统性红斑狼疮（SLE）相关骨坏死（ON）早期诊断中的应用价值。

探讨基于高斯混合模型（GMM）和黏菌算法（SMA）联合特征选择方法（GSMA）在系统性红斑狼疮（SLE）相关骨坏死（ON）早期诊断中的应用价值。

GSMA在CEC 2017基准测试中较11种算法提升15.3%~28.7%。筛选出6个关键特征：糖皮质激素累积剂量（OR=3.21，95%CI 1.89~5.46）、补体C3水平（OR=0.42，95%CI 0.27~0.65）、抗磷脂抗体阳性（OR=2.87，95%CI 1.62~5.08）、骨钙素水平（OR=1.89，95%CI 1.25~2.86）、LDL≥3.4 mmol/L（OR=2.15，95%CI 1.37~3.38）及MRI坏死区域≥15%（OR=4.32，95%CI 2.51~7.43）。模型准确率95.53%（95%CI 93.21%~97.15%），敏感度95.56%，AUC 0.963（95%CI 0.932~0.986），均显著优于传统方法（均p<0.01）。

GSMA模型可有效识别SLE-ON高危患者，为临床早期干预提供客观依据。