先进的机器学习用于估计患有缺血性心脏病和牙周炎的患者的血管堵塞百分比

科学领域:

• 心脏病学 心脏病学
• 牙周病学 牙周病学
• 数据科学数据科学数据科学

背景情况:

• 牙周炎与缺血性心脏病 (IHD) 有关.
• 在IHD中精确评估血管封闭对于患者的治疗结果至关重要.
• 机器学习为改进的诊断工具提供了潜力.

研究的目的:

• 评估机器学习算法来估计患有牙周炎的IHD患者的血管封闭百分比.
• 为了比较随机森林,天真贝叶斯和神经网络的有效性.
• 为了将牙周状况与心血管疾病严重程度相关联.

主要方法:

• 300名IHD患者 (45-65岁) 患有III期牙周炎,接受了冠状动脉血管学.
• 收集和分析了牙科,牙周和临床数据.
• 使用Orange工具应用了机器学习模型 (随机森林,天真贝叶斯,神经网络).

主要成果:

• 随机森林实现了97%的准确性,天真贝叶斯84%,神经网络92%的准确性.
• 随机森林在疾病严重程度方面表现出很高的准确性:95.7% (轻度),84.8% (中度) 和100% (严重).
• 在预测模型中使用了牙周炎症表面积 (PISA) 评分.

结论:

• 机器学习,特别是随机森林,有效地预测了患有牙周炎的IHD患者的血管封闭.
• 随机森林模型显示了临床应用的巨大潜力,用于评估与牙周病相关的IHD严重程度.