开发基于机器学习的风险分层模型,用于针对性地查印度人口糖尿病视网膜病变的风险分层模型

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 公共卫生 公共卫生

背景情况:

• 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因.
• 早期检测和查对于管理DR至关重要.
• 目前的查方法往往依赖于 fundus 摄影,这可能不是普遍可用的.

研究的目的:

• 使用深度学习 (DL) 开发糖尿病视网膜病变 (DR) 的预测风险评分模型.
• 创建一个独立于基底摄影的模型,仅依赖系统数据.
• 为了在印度人口中针对DR进行有针对性的查.

主要方法:

• 将五种机器学习算法 (RF,LR,SVM,ANN,DT) 应用于1425名受试者的基于人口的研究数据集.
• 使用百分比分割,三向数据分割 (60%列车,20%验证,20%测试) 和五倍交叉验证.
• 使用ROC曲线,AUC,精度,灵敏度和特异性评估预测性能.

主要成果:

• 随机森林 (RF) 分类器展示了最高的预测性能.
• 射频达到了0.91的AUC,0.89的准确度和0.90的灵敏度,百分比分.
• 与RF进行五次交叉验证,AUC为0.90,准确度为0.97,灵敏度为0.91,特异性为0.75.

结论:

• 随机森林分类器是识别糖尿病视网膜病变的一个有希望的工具.
• 拟议的DL模型,依赖于系统数据,可以促进针对DR的查.
• 这种方法可以改善印度普通人口的DR管理.