PSOA-LSTM:中国における肺がん発生率の正確な予測のための粒子群の最適化によるハイブリッドの注意に基づくLSTMモデル (1990-2021)
Nannan Xu1, Guang Yang2, Linlin Ming3
1Qiqihar First Hospital/Qiqihar Hospital Affiliated to Southern Medical University, Clinical Laboratory, Qiqihar, China.
Frontiers in medicine
|August 27, 2025
まとめ
肺がんの発生率を正確に予測することは公衆衛生にとって不可欠です. 新しいディープラーニングモデルであるPSOA-LSTMは,人口統計学的な予測の精度を大幅に向上させ,早期予防と政策を助長しています.
科学分野:
- コンピュータによる疫学
- 生物医学データ科学
- 公共衛生における機械学習
背景:
- 肺がんの発生率を正確に予測することは 効果的な予防戦略,医療資源の配分,証拠に基づいた政策立案に不可欠です.
- 癌の傾向をタイムリーで正確に予測することは公衆衛生の取り組みと資源管理を支援します.
研究 の 目的:
- 肺がん発生率の予測を向上させるため,新しいディープラーニングフレームワークである粒子群最適化-長期短期記憶 (PSOA-LSTM) を導入する.
- 粒子群最適化 (PSO) と注意に基づく長期短期記憶 (LSTM) ネットワークを統合することで,肺がん発生率の予測の精度を向上させる.
主な方法:
- 今後5年間の年齢および性別別肺がん発生傾向を予測するために,Global Burden of Disease 2019 (GBD 2019) データセットを使用した.
- 提案されたPSOA-LSTMモデルと,ARIMA,標準のLSTM,サポートベクトル回帰 (SVR),ランダムフォレスト (RF) を含む伝統的な予測方法を比較した.
主要な成果:
- PSOA-LSTMモデルは,0.97の決定係数 (R2) と0.38%の平均絶対誤差 (MAPE) で優れた性能を示した.
- 達成された低誤差メトリック:平均二乗誤差 (MSE) = 0.023,平均絶対誤差 (MAE) = 0.152,および正規化された根の平均二乗誤差 (NRMSE) = 0.025.
- ビジュアライゼーションは,タイムトレンドを把握し,12の年齢層と両方の性別で予測エラーを減らすモデルの能力を確認し,一般化と堅実性の向上を示しました.
結論:
- PSOA-LSTMモデルは,さまざまな人口層における肺がん発生率の予測において,基準モデルを大幅に上回っています.
- この高度なモデルは,公衆衛生の監視,早期警告システム,および健康政策の策定のための信頼できる意思決定支援ツールとして機能します.
