探索重金属和糖尿病视网膜病变之间的关系:一种机器学习建模方法
Yanchao Gui1, Siyu Gui2, Xinchen Wang2
1Department of Ophthalmology, Anqing Second People's Hospital, 79 Guanyuemiao Street, Anqing, 246004, China.
Scientific reports
|June 6, 2024
概括
机器学习模型将 (Sb) 确定为糖尿病视网膜病变 (DR) 的关键预测因子. 监测尿中Sb水平可能有助于早期,非侵入性查和干预DR.
科学领域:
- 眼科医生 眼科 眼科
- 环境健康 环境健康
- 数据科学数据科学数据科学
背景情况:
- 糖尿病视网膜病变 (DR) 是成人失明的主要原因.
- 传统方法显示重金属是DR的危险因素,但复杂的相互作用仍然不清楚.
- 机器学习 (ML) 为理解这些关系提供了先进的分析能力.
研究的目的:
- 开发和验证一个ML模型来预测糖尿病视网膜病变 (DR).
- 确定影响DR发展的关键环境风险因素,特别是重金属.
- 阐明重金属,患者特征和DR风险之间的复杂相互作用.
主要方法:
- 利用NHANES数据库 (2003-2010) 的数据,包括参与者特征和重金属暴露.
- 开发并比较了11个用于DR预测的ML模型,通过ROC分析选择了最好的模型.
- 为了深入分析,采用了变换特征重要性 (PFI),部分依赖图 (PDP) 和夏普利增量扩展 (SHAP).
主要成果:
- 该k-最近邻居 (KNN) 模型展示了优越的DR预测性能,达到接近100%的准确性.
- 尿液中的反 (Sb) 水平被确定为DR风险的最关键的重金属预测因素.
- 抗 (Sb) 显示对DR有显著影响,特别值得注意的是年龄-Sb相互作用.
结论:
- 尿液中的Sb水平可以作为早期DR查和干预的潜在非侵入性生物标志物.
- ML模型有效地解释了重金属暴露对糖尿病视网膜病变的复杂影响.
- 抗 (Sb) 可能通过调解细胞和全身衰老,促进DR的病变发生.
