一种机器学习方法可以预测艾滋病毒感染者经历过ART的人的体重变化
Federico Motta1, Jovana Milic1,2, Licia Gozzi3
1Department of Surgical, Medical, Dental and Morphological Sciences, Modena, Italy.
Journal of acquired immune deficiency syndromes (1999)
|November 10, 2023
概括
机器学习模型可以准确地预测艾滋病毒感染者的体重变化. 包括身体成分在内的模型达到90%以上的准确性,有助于识别不太可能出现显著体重增加的个体.
科学领域:
- 生物医学信息学是生物医学信息学.
- 艾滋病病毒药物 艾滋病病毒药物
- 机器学习应用程序 机器学习应用程序
背景情况:
- 抗逆转录病毒疗法 (ART) 可以导致艾滋病毒感染者的体重变化.
- 预测体重波动对于管理这种人群的代谢健康至关重要.
研究的目的:
- 开发机器学习 (ML) 模型,以预测艾滋病毒感染者经历过ART的个体随着时间的推移的百分比体重变化.
- 用各种临床和身体组成变量来评估ML模型的性能.
主要方法:
- 一项观察性研究涉及3321名艾滋病毒感染者接受过ART治疗.
- 使用80/20培训/测试分割开发10个预测ML模型.
- 利用夏普利的增量扩展来解释模型的预测.
主要成果:
- 性能最高的模型,采用双能X射线吸收计 (DXA) 来测量身体组成,准确度超过90%.
- 这个模型预测了下一次访问时的体重,错误率小于5%.
- 体重增加被定义为在随后的访问时>5%的变化.
结论:
- 结合身体组成和代谢变量的机器学习模型显示出出色的预测性能.
- 缺乏详细数据的简单模型不足以准确预测,但可以识别不存在增加体重风险的个体.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
09:06Whole-brain Segmentation and Change-point Analysis of Anatomical Brain MRI—Application in Premanifest Huntington's Disease
Published on: June 9, 2018
12.2K
