使用机器学习的类风湿性关节炎患者的骨质疏松症的预测
Chaewon Lee1, Gihun Joo2, Seunghun Shin2
1Department of Convergence Security, Kangwon National University, Chuncheon, South Korea.
Scientific reports
|December 8, 2023
概括
机器学习模型可以预测类风湿性关节炎 (RA) 患者的骨质疏松症. 关键的危险因素包括体重指数,年龄和更年期,有助于早期查这种骨状况.
科学领域:
- 风湿病学和医疗信息学
背景情况:
- 骨质疏松症对患有类风湿性关节炎 (RA) 的个体构成重大健康风险.
- 机器学习 (ML) 应用在临床实践中正在扩大,但它们在预测骨质疏松症的使用,特别是在RA队列中是有限的.
研究的目的:
- 开发和评估用于预测韩国RA患者队列骨质疏松症的机器学习模型.
- 使用ML识别与RA患者骨质疏松症相关的关键风险因素.
主要方法:
- 利用KOREean观察研究关节炎网络 (KORONA) 数据库,包括2374名RA患者.
- 应用并比较了四种ML算法:逻辑回归 (LR),随机森林,XGBoost (XGB) 和LightGBM.
- 使用精度,F1得分和曲线下的面积 (AUC) 评估模型性能.
主要成果:
- 后勤回归模型实现了0.750.75的最高AUC.
- 而XGBoost模型的准确度最高,为0.682.
- 确定了骨质疏松症的重大风险因素:体重指数,年龄,更年期,腰和部周长,RA手术和月收入.
结论:
- 机器学习算法为诊断为类风湿性关节炎的患者的骨质疏松症提供了有价值的工具.
- 鉴定的风险因素可以为有针对性的查和预防策略提供信息.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
8.2K
