机器学习模型用于预测坎波医学中的冷热模式:一个多中心前性观察性研究.

科学领域:

• 计算医学是一种计算医学.
• 东亚传统医学 东亚传统医学
• 机器学习应用 机器学习应用

背景情况:

• 冷热模式是坎波医学中一个关键的诊断概念.
• 准确识别这些模式对于有效治疗至关重要.
• 现有的诊断方法可能会从计算方法中受益.

研究的目的:

• 开发和验证用于预测四种冷热模式的机器学习模型.
• 将人工智能应用于国际疾病分类传统医学条件 - 第1模块中描述的主观症状.
• 为了提高诊断冷热模式的诊断准确性,在坎波门诊患者.

主要方法:

• 一个多中心前性观察性研究,涉及622名第一次访问坎波门诊患者.
• 开发单独的冷热模式预测模型,使用148种症状,BMI,血压,年龄和性别.
• 分类包括单一的冷/热,纠的热/冷,和中度 (热/冷) 的模式.

主要成果:

• 综合预测模型实现了高性能指标:96.7%的准确性,93.2%的宏观回忆,85.6%的精度和88.5%的F1分数.
• 关键的预测特征与冷热模式的既定定义保持一致.
• 该模型在研究队列上展示了强大的预测能力.

结论:

• 一个机器学习模型成功地开发出来,可以预测冷热模式.
• 该模型利用患者报告的症状与医生诊断一致.
• 这种方法在临床实践中为客观的冷热模式预测提供了一个有前途的工具.