基于机器学习和可解释模型的糖尿病视网膜病变风险因素的预测和分析
Xu Wang1, Weijie Wang1, Huiling Ren1
1Institute of Medical Information/Medical Library, Chinese Academy of Medical Sciences & Peking Union Medical College, Beijing, China.
Heliyon
|May 3, 2024
概括
这项研究开发了一种机器学习模型,用于预测糖尿病视网膜病变风险,识别早期检测和预防的血糖和功能等关键因素.
科学领域:
- 眼科医生 眼科 眼科
- 糖尿病学 糖尿病学
- 医疗信息学 医疗信息学
背景情况:
- 糖尿病视网膜病变是糖尿病患者视力丧失的主要原因.
- 准确的风险预测对于及时干预和管理至关重要.
研究的目的:
- 开发和验证用于预测糖尿病视网膜病变风险的机器学习模型.
- 通过SHAP分析提高预测准确性和可解释性.
- 为了确定糖尿病视网膜病变的关键风险因素.
主要方法:
- 利用了1000个糖尿病并发症早期预警病例的数据集.
- 预处理数据,选择使用信息获取的功能,并使用CatBoost模型.
- 使用SHAP (夏普利添加式扩展) 模型解释模型预测.
主要成果:
- CatBoost模型在预测糖尿病视网膜病变方面表现出卓越的表现.
- 在ALB_CR,HbA1c,UPR_24,NEPHROPATHY,SCR和糖尿病视网膜病变之间确定了积极的相关性.
- 确定了CP,HB,ALB,DBILI,CRP和糖尿病视网膜病变之间的负相关性.
结论:
- 糖尿病视网膜病变的确定的危险因素包括功能受损,血糖升高和肝脏疾病.
- 监测和控制关键指数可以帮助预防糖尿病视网膜病变.
- 这项研究为糖尿病视网膜病变的早期预防和临床诊断提供了新的见解.


