机器学习技术的研究,以评估勒托西症患者的结果
Andreia Ferreira da Silva1, Karla Figueiredo2, Igor W S Falcão3
1Laboratory of Zoonoses and Public Health - Federal University of Para, Av. dos Universitários - Jaderlândia, Belém, PA, 68746-360, Brazil.
Scientific reports
|June 17, 2024
概括
这项研究使用人工智能来预测白病的结果. 决策树模型准确地预测了患者的康复或死亡,有助于早期诊断和治疗,以防止死亡.
科学领域:
- 传染性疾病 传染性疾病
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 莱普托斯皮罗斯是一种流行于热带地区的全球性动物性疾病,由于非特异性症状,经常被误诊.
- 准确及时诊断对于有效治疗和预防死亡等严重后果至关重要.
研究的目的:
- 评估机器学习算法 (决策树,随机森林,Adaboost) 的有效性,以预测白病患者的结果 (治愈或死亡).
- 确定影响疾病进展的关键临床和时间属性.
主要方法:
- 利用了来自巴西国家攻击和通报系统 (SINAN) 2007-2017年的数据集.
- 应用决策树,随机森林和Adaboost算法使用时间数据,症状 (头痛,吐,黄,小腿疼痛) 和临床演变 (功能衰竭,呼吸系统变化).
主要成果:
- 随机森林在培训数据集上实现了90.81%的准确性.
- 决策树在验证数据集上显示了74.29%的准确性,识别了关键预测因素,如症状发作到医疗照顾时间和特定的临床症状.
结论:
- 决策树算法被提出为预测人类白病例的最佳模型.
- 这种由人工智能驱动的方法可以帮助早期诊断和疾病管理,潜在地降低死亡率.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.4K
