机器学习模型的应用,以优化印度的结肠腺瘤检测

科学领域:

• 胃肠病学和医疗信息学
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 关于印度次大陆的结肠腺瘤患病率和风险因素的数据有限.
• 结肠腺瘤是结肠直肠癌的前体,需要有效的检测方法.

研究的目的:

• 开发和优化一个机器学习模型,以改善结肠腺瘤检测.
• 与后勤回归相比,评估机器学习模型的预测准确度.

主要方法:

• 研究了10320名接受结肠镜检查的成年患者的前性队列.
• 一种梯度增强机器 (GBM) 模型被开发并使用10倍交叉验证等技术进行了优化.
• 患有结肠腺瘤高风险的患者被排除在分析之外.

主要成果:

• 总体腺瘤患病率为11.2%,50岁以上的人群 (19.5%) 的患病率更高.
• 优化的梯度增强树模型在接收器操作曲线 (AUC) 下实现了高面积92.2%.
• 机器学习模型,特别是渐变增强树,在预测准确性方面表现优于逻辑回归.

结论:

• 与逻辑回归相比,机器学习模型在预测结直肠腺瘤方面提供了更高的准确性.
• 优化的机器学习方法可能会提高结肠镜检查的效率,以预防结肠直肠癌.