研究人工智能模型,从血清生物化学预测关节疼痛
Saman Shahid1, Aatir Javaid2, Usman Amjad2
1National University of Computer and Emerging Sciences, Foundation for the Advancement of Science and Technology, Department of Sciences and Humanities - Lahore, Pakistan.
Revista da Associacao Medica Brasileira (1992)
|September 18, 2024
概括
机器学习模型使用患者数据准确预测关节疼痛. 尿酸水平是最强的指标,可以早期发现和预防骨科问题.
科学领域:
- 整形外科 整形外科 整形外科
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 关节胀和肌痛是常见的骨科投诉.
- 早期发现关节疼痛对于预防严重并发症至关重要.
- 机器学习为准确的诊断工具提供了潜力.
研究的目的:
- 评估用于预测关节疼痛的机器学习模型.
- 确定关节疼痛预测的关键临床属性.
- 评估不同机器学习算法的性能.
主要方法:
- 分析了关节胀/肌痛患者的情况.
- 收集了包括尿酸,CRP和血液细胞计数在内的临床数据.
- 采用了随机森林,梯度增强,多层感知器和辐射基函数模型.
主要成果:
- 随机森林在预测关节疼痛方面取得了97%的准确性.
- 多层感知器证明了98%的准确性,超过了辐射基函数.
- 尿酸是最重要的预测因子 (100%的相关性),其次是肌素和AST.
结论:
- 基于人工智能的关节疼痛检测是可行的.
- 通过人工智能的早期诊断可以预防先进的骨科疾病.
- 机器学习模型,特别是多层感知器,显示出临床应用的前景.
