从电子健康记录中使用机器学习算法预测多囊卵巢综合征
Zahra Zad1, Victoria S Jiang2, Amber T Wolf3
1Division of Systems Engineering, Center for Information and Systems Engineering (CISE), Boston University, Brookline, MA, United States.
Frontiers in endocrinology
|February 15, 2024
概括
机器学习模型准确地预测使用电子健康记录的女性的多囊卵巢综合征 (PCOS) 风险. 这种人工智能驱动的方法可以促进早期的PCOS诊断和干预,改善长期的健康结果.
科学领域:
- 生殖内分泌学 生殖内分泌学
- 医疗信息学医学信息学
- 机器学习在医疗保健中的应用
背景情况:
- 现有的多囊卵巢综合征 (PCOS) 预测模型受到小样本大小和特定患者群体的限制.
- 早期诊断PCOS对于及时干预和减轻长期健康后果至关重要.
研究的目的:
- 开发和验证基于PCOS风险的基于机器学习的预测模型,使用大量的风险门诊患者群体来评估PCOS风险.
- 促进PCOS的早期诊断,特别是在符合标准但尚未诊断的个体中.
主要方法:
- 追溯队列研究使用电子健康记录 (EHR) 从30601名妇女 (年龄18-45) 在2003-2016年期间.
- 使用了四种机器学习算法 (逻辑回归,SVM,梯度增强树木,随机森林).
- PCOS预测结果包括ICD-9诊断和基于鹿特丹标准的算法定义的结果 (月经,高雄性,多囊性卵巢形态).
主要成果:
- 机器学习模型在预测PCOS时平均达到80-85%的AUC.
- 关键预测因素包括激素水平 (FSH,LH,雌激素,SHBG) 和肥胖.
- 发现的负预测因素是怀孕和阳性bHCG.
结论:
- 机器学习算法可以有效地预测PCOS风险在EHR系统中的大,有风险的人群.
- 这种支持人工智能的方法可以支持早期PCOS检测,从而改善患者咨询和干预.
- 建议在不同的医院人口中进行进一步验证,以概括该模型的适用性.


