一个合成数据生成系统用于肌痛性脑筋炎/慢性疲劳综合征问卷
Marcos Lacasa1, Ferran Prados2,3,4,5, José Alegre6
1ADaS Lab - E-Health Center, Universitat Oberta de Catalunya, Rambla del Poblenou, 156, 08018, Barcelona, Spain. mlacasaca@uoc.edu.
Scientific reports
|August 31, 2023
概括
人工智能模型现在可以使用合成数据预测肌痛性脑膜炎或慢性疲劳综合征 (ME/CFS) 个人资料. 这推动了对复杂疾病的研究,有助于理解和潜在的未来治疗方法.
科学领域:
- 卫生健康科学科学 医学
- 医疗信息学 医疗信息学
背景情况:
- 肌痛性脑筋炎或慢性疲劳综合征 (ME/CFS) 缺乏客观的诊断标准.
- 目前,用于ME/CFS诊断和进展评估,使用了经过验证的问卷.
- 大量的数据集对于开发预测模型来了解ME/CFS病因至关重要.
研究的目的:
- 开发并提供用于ME/CFS研究和教育的合成数据生成器.
- 创建准确的机器学习模型来预测ME/CFS患者的个人资料.
- 通过数据分析,帮助人们更深入地了解ME/CFS.
主要方法:
- 在Vall Hebron医院的2522名ME/CFS患者的数据集上使用了深度学习算法.
- 训练有素的模型使用患者对验证问卷的答案.
- 开发了一个最终的模型,需要SF-36响应来预测HAD,SCL-90R,FIS8,FIS40和PSQI问卷的结果.
主要成果:
- 在ME/CFS的预测模型中获得了高精度 (0.69-0.81).
- 创建了一个可靠和用户友好的合成数据生成器.
- 为ME/CFS领域的研究人员和教育工作者提供了宝贵的资源.
结论:
- 合成数据生成可以克服ME/CFS研究中的法律限制和数据限制.
- 人工智能驱动的模型在表征ME/CFS患者个人资料方面表现有前途.
- 开发的工具支持进一步调查ME/CFS复杂的病因.
