定制机器学习算法用于大规模疾病查 - 以心脏病数据为例
Leran Chen1, Ping Ji2, Yongsheng Ma3
1Southern University of Science and Technology, Department of Mechanical and Energy Engineering, Shenzhen, China; The Hong Kong Polytechnic University, Department of Industrial and Systems Engineering, Hong Kong, China.
Artificial intelligence in medicine
|December 2, 2023
概括
这项研究引入了一种针对患者的机器学习算法,用于准确的心脏病查. 这种新的方法提高了检测准确度,优于传统方法的公共卫生效益.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 心脏病是全球主要的死亡原因,需要有效的大规模查策略.
- 当前的查方法在广泛的公共卫生倡议中面临着准确性和可扩展性的挑战.
研究的目的:
- 开发和评估一种针对患者的新型机器学习算法,用于增强心脏病检测.
- 通过专注于数据处理,神经网络架构和损失函数公式来定制机器学习模型,以提高准确性.
主要方法:
- 开发了一种针对患者的机器学习算法,整合了个别患者的数据.
- 跨数据处理,神经网络架构和损失函数的定制模型开发.
- 使用克利夫兰和UC Irvine (UCI) 心脏病数据集验证了算法.
主要成果:
- 在克利夫兰数据集上实现了超过95%的准确性和回忆.
- 在UCI数据集上超过97%的准确性.
- 与通用机器学习算法相比,在医学伦理和可操作性方面表现出卓越的性能.
结论:
- 特定于患者的机器学习算法为有效的大规模心脏病查提供了强大的工具.
- 这种方法有可能显著改善患者的治疗结果,并减少心脏病的经济负担.
- 定制模型定制提高了可靠性和可用于现实世界的临床环境.


