在机器学习的基础上,构建和应用一种传统中医综合征差异化模型来治疗失经症

科学领域:

• 综合医学是一个整体的医学.
• 计算诊断的诊断 计算诊断的诊断
• 医疗保健中的机器学习

背景情况:

• 淋病严重影响妇女的生活质量.
• 传统中医 (TCM) 提供有效的经经期障碍治疗.
• 准确的TCM综合征区分对于有效的治疗计划至关重要.

研究的目的:

• 将TCM原则与机器学习 (ML) 整合起来,以精确地区分失经症候群.
• 用计算方法提高TCM诊断的效率和准确性.
• 开发一个数据驱动的方法,针对个性化的异常更年期症治疗策略.

主要方法:

• 通过CNKI数据库,从853个病例中编制了一个TCM经期失经症数据库.
• 利用Python的Scikit-Learn库从86个中选择了42个关键功能.
• 应用和评估了多种ML模型:物流回归,随机森林,SVM,KNN和ANN.

主要成果:

• 支持矢量机 (SVM) 以98.29%的精度和98.24%的准确度表现出卓越的性能.
• 确定了对于准确的综合征区分至关重要的关键特征.
• SVM模型有助于临床医生准确诊断和个性化治疗配方.

结论:

• 这项研究引入了一种协同方法,将TCM智慧与ML结合起来,用于创新的诊断.
• 开发的ML模型显示了彻底改变TCM诊断和治疗的潜力.
• 建议在临床环境中进一步验证并扩展到其他TCM治疗疾病.