基于放射学的二维超声波的价值,用于诊断早期的糖尿病病
Xuee Su1,2, Shu Lin3,4, Yinqiong Huang5,6
1Centre of Neurological and Metabolic Research, The Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian Province, China.
Scientific reports
|November 22, 2023
概括
机器学习模型整合2D超声波图像和生物化学数据,有效地诊断2型糖尿病 (T2DM) 患者的早期糖尿病病 (DN). 这种人工智能驱动的方法有望改善早期检测和主动干预,以获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 腎臟病學 (nephrology) 是一種醫學.
背景情况:
- 糖尿病病 (DN) 诊断目前缺乏结合生化数据和超声波成像的综合模型.
- 在2型糖尿病 (T2DM) 中早期发现DN对于预防疾病进展和改善患者的治疗结果至关重要.
研究的目的:
- 评估机器学习模型的有效性,包括2D超声波成像和生物化学数据,用于T2DM患者早期DN诊断.
主要方法:
- 一项对219名T2DM患者的回顾性研究,分为培训 (80%) 和测试 (20%) 队列.
- 使用最小冗余,最大相关性和随机森林递归特征消除的特征选择.
- 使用AUC,灵敏度,特异性,MCC,F1得分和准确度对K-最近邻居,支向量机器和物流回归模型的评估.
主要成果:
- 机器学习模型显示了早期DN的高诊断性能.
- K-最近的邻居获得了最高的AUC (0.94培训,0.91测试).
- 支持向量机和逻辑回归模型也表现出强的表现 (AUC从0.84到0.85不等).
结论:
- 综合的2D超声波放射学和生物化学数据模型显示了T2DM早期DN诊断的巨大潜力.
- 这种人工智能驱动的方法可以增强早期疾病检测,使主动干预和改善患者护理.
- 这项研究强调了人工智能在医学成像中的变革性影响,用于在各种医疗领域早期识别疾病.
