预测建模用于早期检测胆管缩在胆固醇病的婴儿:从机器学习研究的见解
Xuting Chen1, Dongying Zhao1, Haochen Ji2
1Department of Neonatology, Xinhua Hospital, Shanghai JiaoTong University School of Medicine, Shanghai, China.
Computers in biology and medicine
|April 21, 2024
概括
这项研究开发了一种新的AI模型,以帮助诊断胆管缩症 (BA) 患有胆固醇症的婴儿. 该模型准确地识别BA,有助于早期检测和改善婴儿健康结果.
科学领域:
- 儿科胃肠病学 儿科胃肠病学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 新生儿和婴儿的胆固醇症带来了诊断挑战,特别是由于类似的临床症状,使胆道缩 (BA) 与其他原因区分开来.
- 早期和准确的BA诊断对于及时干预和预防严重的肝功能障碍至关重要.
研究的目的:
- 开发和验证一个查模型,用于预测婴儿胆道缩 (BA) 病例的预后结果.
- 为了提高诊断准确性,引入一种新的封装特征选择模型,bWFMVO-SVM-FS.
主要方法:
- 开发了一个封装特征选择模型,bWFMVO-SVM-FS,它结合了基于水流的多层优化器 (WFMVO) 和支向量机 (SVM).
- 在IEEE CEC 2017和2022数据集中,WFMVO算法与其他11个算法进行了基准测试.
- 该bWFMVO-SVM-FS模型应用于两个主要医院的870名患有胆固醇病 (BA或非BA) 的婴儿的数据集.
主要成果:
- 该bWFMVO-SVM-FS模型实现了92.639%的高预测精度和88.865%的特异性.
- 早期BA诊断的关键特征包括马-氨基转移酶水平,三角带标志,体重,胆囊外观和便颜色.
- 这些已识别的特征提高了临床医生对模型的解释性.
结论:
- 开发的bWFMVO-SVM-FS模型显示了精确查和诊断婴儿胆道的巨大潜力.
- 鉴定的临床和生化标志物为儿科胆固醇病的早期检测和临床决策提供了宝贵的见解.
