可解释的人工智能模型用于预测6个东非国家的生育年龄妇女的妊娠终止:机器学习方法

科学领域:

• 生殖健康 生殖健康
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 不安全的堕胎是全球主要的健康问题,不成比例地影响发展中国家.
• 了解影响终止妊娠的因素对于改善妇女生殖健康结果至关重要.

研究的目的:

• 为了比较各种黑机器学习模型对妊娠终止的预测性能.
• 使用可解释的人工智能识别与终止怀孕相关的关键人口和社会经济因素.

主要方法:

• 利用了来自6个东非国家的人口健康调查 (DHS) 的二次数据.
• 实现了五个机器学习分类器:包装,随机森林,XGBoost,CatBoost和额外的树木.
• 应用了SHAP,Eli5和LIME可解释的AI技术来进行特征重要性分析.

主要成果:

• 机器学习模型的预测准确度在79.4%至85.6%之间.
• 随机森林证明了最高的准确率为85.6%.
• 确定的重要因素包括财富指数,工作经验,水源,家庭性别,教育和婚姻状况.

结论:

• 机器学习,特别是随机森林,显示出预测东非妊娠终止的巨大潜力.
• 可解释的人工智能成功识别了关键的社会经济和人口预测因素.
• 调查结果可以为有针对性的干预措施提供信息,以支持生殖健康并减少不安全的终止.