在预测糖尿病视网膜病变和可视化临床转变方面应用和临床翻译自进化的机器学习方法
Binbin Li1, Liqun Hu1, Siqing Zhang2
1Department of Ophthalmology, Ganzhou people's Hospital, Ganzhou, China.
Frontiers in endocrinology
|October 4, 2024
概括
这项研究引入了一种自我进化的机器学习模型,用于预测糖尿病视网膜病变. 该模型有效地识别风险因素,并有助于早期诊断,改善患者的治疗结果.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 糖尿病视网膜病变是糖尿病患者视力丧失的主要原因.
- 早期发现和预测对于有效管理和预防视力障碍至关重要.
- 机器学习为提高诊断准确性和预测能力提供了潜力.
研究的目的:
- 分析自我进化的机器学习方法的临床应用和翻译价值.
- 预测糖尿病视网膜病变的发生,并可视化临床结果.
- 开发糖尿病视网膜病变的先进预测模型.
主要方法:
- 对300名糖尿病患者进行了回顾性研究.
- 使用XGBoost开发一种自我进化的机器学习模型,通过改进的甲虫天线搜索 (IBAS) 实现超参数优化.
- 多因素后勤回归用于识别预测特征和风险计算的可视化系统.
主要成果:
- 鉴定男性性别,更长的疾病持续时间,更高的缩血压,禁食血糖,糖化血红蛋白,低密度脂蛋白胆固醇和尿液白蛋白与肌素的比率作为危险因素.
- 非药物治疗成为一种保护因素.
- 自主进化的机器学习模型在早期诊断和预测方面显示出显著的优势.
结论:
- 自主进化的机器学习模型可以识别与糖尿病视网膜病变相关的关键特征.
- 这些模型有助于在临床环境中早期预测疾病的发生.
- 应用程序有助于治疗规划和改善患者预后.


