使用机器学习模型预测非酒精性脂肪性肝病的5年风险:前性队列研究
Guoqing Huang1,2, Qiankai Jin1,2, Yushan Mao1
1Department of Endocrinology, The First Affiliated Hospital of Ningbo University, Ningbo, China.
Journal of medical Internet research
|September 12, 2023
概括
这项研究发现,在中国,非酒精性脂肪性肝病 (NAFLD) 的5年发病率为18.64%. 机器学习模型,特别是逻辑回归,有效预测NAFLD风险,帮助早期干预肝脏健康.
科学领域:
- 肝病学和胃肠道学
- 公共卫生 公共卫生
- 人工智能在医学中的应用
背景情况:
- 非酒精性脂肪肝 (NAFLD) 是一个日益严重的全球健康问题.
- 早期识别有风险的个体对于预防严重的肝脏并发症至关重要.
研究的目的:
- 为了确定中国人口中NAFLD的5年发病率.
- 开发和验证用于预测5年NAFLD风险的机器学习模型.
主要方法:
- 分析了6196名没有NAFLD的潜在队列.
- 使用XGBoost递归特征消除和LASSO的特征选择.
- 六个机器学习模型 (逻辑回归,决策树,SVM,随机森林,分类增强,XGBoost) 被训练并验证.
主要成果:
- 5年的NAFLD发病率为18.64%.
- 在验证集中,逻辑回归实现了最佳性能 (AUROC 0.778-0.806).
- 基于Web的计算器是为临床应用而开发的.
结论:
- 机器学习模型可以有效预测NAFLD风险.
- 早期风险分层有助于延迟不良肝脏事件.
- 经过验证的模型增强了针对NAFLD预防的临床决策.
