在大型索赔中,机器学习为先天性心脏病的诊断提供了信息数据源数据源
Ariane J Marelli1, Chao Li1, Aihua Liu1
1McGill University Health Centre, McGill Adult Unit for Congenital Heart Disease Excellence, Montreal, Québec, Canada.
JACC. Advances
|June 28, 2024
概括
机器学习有效地在大型数据库中识别先天性心脏病 (CHD) 患者. 渐变增强决策树实现了99.3%的AUC,取代了复杂疾病识别的手动审查.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 健康 数据科学 数据科学
背景情况:
- 大规模的索赔数据库对于医学研究越来越重要.
- 有效的患者鉴定对于疾病研究和临床实践至关重要.
- 在大型数据集中对先天性心脏病 (CHD) 患者的识别存在挑战.
研究的目的:
- 在大型索赔数据库中开发和评估一种机器学习 (ML) 方法来识别先天性心脏病 (CHD) 患者.
- 将各种ML算法的性能与自动化患者分类的传统方法进行比较.
主要方法:
- 利用了19187名患者的北克索赔和住院数据 (1983-2000年).
- 比较梯度提升决策树,支向量机,决策树和后勤回归.
- 评估模型使用精度回忆曲线 (AUC) 下的面积,对数据进行外部验证,直到2010年.
主要成果:
- 渐变增强决策树以99.3%的AUC实现了最高的性能.
- 最好的模型的灵敏度和特异性分别为98.0%和99.7%.
- 外部验证证实了该模型在更新的数据集上的强大性能.
结论:
- 在大型数据库中,ML算法可以取代耗时的手动临床检查来识别患者.
- 自动化ML方法对于识别患有诸如心脏病等复杂疾病的患者是有效的.
- 这项研究证明了ML在健康主张数据分析中的效率和准确性.
更多相关视频
08:28Analysis of Congenital Heart Defects in Mouse Embryos Using Qualitative and Quantitative Histological Methods
Published on: March 10, 2020
6.8K
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
