基于实验室变量的人工神经网络模型用于预测脂肪肝疾病:一项回顾性研究

科学领域:

• 医疗信息学 医疗信息学
• 机器学习在医学中的应用
• 肝病学 肝病学是一种肝病学.

背景情况:

• 人工神经网络 (ANN) 模型使用实验室数据对脂肪肝疾病 (FLD) 的预测能力尚未得到充分证实.
• 准确预测FLD对于及时干预和管理至关重要.

研究的目的:

• 开发和验证用于精确FLD预测的ANN模型.
• 评估纳入人口统计学变量 (年龄和性别) 对模型性能的影响.

主要方法:

• 使用了7990名符合条件的参与者用于FLD查的数据集.
• 使用培训,验证和测试套件开发和验证ANN模型.
• 使用接收器操作特征曲线 (AUROC) 下面的面积来评估模型性能.

主要成果:

• 具有不同数量的实验室变量的ANN模型显示出强大的FLD预测 (AUROCs>0.89).
• 一个2变量模型实现了80.3%的准确性和89.7%的积极预测值.
• 结合年龄和性别在所有测试的ANN模型配置中显著改善了AUROC.

结论:

• ANN模型是预测FLD的有效工具.
• 纳入年龄和性别提高了ANN模型对FLD的预测准确度.