基于机器学习的诊断预测最小变化疾病:模型开发研究
Ryunosuke Noda1, Daisuke Ichikawa2, Yugo Shibagaki2
1Division of Nephrology and Hypertension, Department of Internal Medicine, St. Marianna University School of Medicine, Miyamae-ku, Kawasaki, Kanagawa, 216-8511, Japan. nodaryu00@gmail.com.
Scientific reports
|October 8, 2024
概括
机器学习模型显示出诊断最小变化疾病 (MCD) 的前景,MCD是综合征的常见原因. 这些非侵入性工具可以帮助早期检测,减少活检的需要.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 最小变化疾病 (MCD) 是综合征的常见原因之一.
- 由于MCD的快速进展,早期诊断至关重要.
- 目前的诊断依赖于侵入性脏活检.
研究的目的:
- 开发和评估使用机器学习诊断MCD的非侵入性预测模型.
- 为了比较各种机器学习算法和物流回归的性能.
主要方法:
- 从248名脏综合征患者的人口统计,血液和尿液测试数据的回顾性收集.
- 应用TabPFN,LightGBM,随机森林,人工神经网络和物流回归模型.
- 使用5重复5倍交叉验证 (AUROC,AUPRC) 和SHAP对变量重要性进行性能评估.
主要成果:
- TabPFN获得了最高的性能,AUROC为0.915和AUPRC为0.840.
- 由SHAP确定的关键预测因素包括C3,总胆固醇和尿液红细胞.
- 该研究包括82例 (33%) 被诊断为MCD的病例.
结论:
- 机器学习模型为MCD提供了潜在的非侵入性诊断方法.
- 这些模型可以帮助早期检测最小变化的疾病.
- 这些发现支持将机器学习作为脏病诊断中的一个有价值的工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K