肝疾患予測のためのハイブリッド人工知能システム：人口統計を考慮した機械学習フレームワーク

科学分野:

• 医療情報学
• ヘルスケアにおける機械学習
• 計算生物学

背景:

• 肝疾患は世界的に重大な健康問題であり、従来の診断方法の限界から早期発見が困難な場合が多いです。
• 現在の肝疾患診断ツールは、侵襲的で高価であり、広く利用可能ではない場合があります。

研究 の 目的:

• 肝疾患の早期検出のためのハイブリッド人工知能フレームワークを開発すること。
• 診断精度向上のために、人口統計セグメンテーションと機械学習を統合すること。

主な方法:

• インド肝臓患者データセット（ILPD）と大規模データセットの2つのデータセットを利用しました。
• 年齢と性別によって患者を6つのグループに層別化し、セグメント固有のモデルを開発しました。
• 特徴選択、リサンプリング、ハイパーパラメータ最適化を使用して16の機械学習アルゴリズムを評価し、セグメント固有のモデルをハイブリッドシステムに統合しました。

主要な成果:

• ILPDで94.2％、大規模データセットで99.8％の精度を達成しました。
• 異なる人口統計セグメント全体で一貫した精度の向上を示しました。
• 年齢と性別に基づく異なるバイオマーカーの重要性を特定し、個別化された診断の必要性を強調しました。

結論:

• 提案されたフレームワークは、早期肝疾患検出のためのスケーラブルで非侵襲的なツールを提供します。
• 人口統計の認識、ハイブリッド学習、解釈可能性を組み合わせて、個別化されたアクセス可能なヘルスケアを実現します。
• 肝疾患診断の臨床的関連性とアクセス可能性を向上させます。