使用机器学习和可解释的人工智能预测糖尿病脚截肢的风险
Chien Wei Oei1,2, Yam Meng Chan3, Xiaojin Zhang1
1Management Information Department, Office of Clinical Epidemiology, Analytics and Knowledge, Tan Tock Seng Hospital, Singapore.
Journal of diabetes science and technology
|January 30, 2024
概括
机器学习模型可以准确地预测糖尿病足患者的下肢截肢 (LEAs). 可解释的人工智能为早期干预提供临床见解,减少截肢风险.
科学领域:
- 医疗信息学 医疗信息学
- 计算医学是一种计算医学.
- 糖尿病研究 糖尿病研究
背景情况:
- 糖尿病足 (DFU) 是下肢截肢的重要原因之一.
- 早期识别高风险患者对于预防LEA至关重要.
- 机器学习 (ML) 和可解释的AI为改善风险预测提供了潜力.
研究的目的:
- 开发一种可解释的ML模型,用于预测DFU患者的LEA风险.
- 在DFU案件中确定LEA的关键预测因素.
- 加强早期干预的临床决策.
主要方法:
- 对2559个DFU事件 (2012-2017年) 的回顾性审查.
- 开发使用51个特征的ML模型,用于主要,次要和任何LEA结果.
- 使用ROC曲线,平衡精度和F1得分对模型性能进行评估;为了可解释性,SHapley添加式解释 (SHAP).
主要成果:
- 机器学习模型实现了高预测性能 (主要LEA的ROC为0.820).
- XGBoost 和梯度增强树是表现最好的算法.
- SHAP分析确定了总白细胞计数,并发病率得分和伤口特征作为关键预测因素.
结论:
- ML模型在预测DFU患者的LEA风险方面表现出强大的有效性.
- 可解释的人工智能通过突出关键风险因素来提高临床效用.
- 这种方法促进了有针对性的早期干预,以防止截肢.
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
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.4K
