心血管疾患予防のための機械学習ベースのアンサンブル予測モデル

科学分野:

• 医療情報工学 医療情報工学
• 医療における人工知能
• 公衆衛生は公衆衛生である.

背景:

• 心血管疾患 (CVD) は,世界の主要な死亡原因であり,インド国内での発生率が著しく増加しています.
• CVD予測のための現在の機械学習 (ML) モデルは,データセットのサイズと汎用性のために制限に直面し,その強度に影響を及ぼします.

研究 の 目的:

• アンサンブル・メソッドを用いたCVD検出のための強化されたML予測モデルを開発する.
• 広範な臨床データセットを活用することにより,CVD予測モデルの正確性と堅実性を向上させる.

主な方法:

• 7,916件の臨床記録を含む6つのデータセットを統合し,特徴に基づいてデータセット1 (n=3,676) とデータセット2 (n=4,240) に分けました.
• データセット1のバイナリ分類とマルチクラス分類,データセット2のバイナリ分類 (10年リスク) を適用し,同一の事前処理と探査データ分析を行った.
• 18の異なるMLモデルを開発し,LazyPredictを使用してトップ10のパフォーマンスを選択し,それらをVoting Classifierを通じてアンサンブルモデルに統合しました.

主要な成果:

• データセット1.のバイナリ分類では96.5%,マルチクラス分類では85.5%の精度を達成しました.
• データセット2の10年CVDリスク予測で81.18%の精度を達成しました.
• アンサンブルフレームワークは,従来および既存のMLモデルと比較して優れたパフォーマンスを示しました.

結論:

• 提案されたアンサンブルMLフレームワークは,CVD予測の正確性と安定性を大幅に向上させます.
• この研究は,CVD検出のための改善された意思決定サポートを提供し,堅牢なモデリングを通じてバイアスを軽減します.
• このアプローチは,現在のMLベースのCVD予測システムにおけるデータセットサイズと汎用性の制限に対処しています.