使用可解释机器学习方法预测成年人的关节障碍:一个模型开发和验证研究
Yuchen Cui1, Fujia Kang1, Xinpeng Li1
1Department of Orthodontic, Hospital of Stomatology, Jilin University, Changchun, Jilin Province, China.
Frontiers in bioengineering and biotechnology
|November 20, 2024
概括
机器学习确定了成年人关节疾病 (TMD) 的关键风险因素. 一个可解释的模型预测TMD风险,有助于临床评估和疾病管理.
科学领域:
- 口腔健康研究 口腔健康研究
- 生物医学信息学是生物医学信息学.
- 机器学习在医疗保健中的应用.
背景情况:
- 部疾病 (TMD) 普遍存在,原因复杂.
- 准确的TMD风险预测对于有效管理至关重要.
研究的目的:
- 用机器学习来识别成年人患TMD的危险因素.
- 开发和验证一个可解释的TMD风险预测模型.
主要方法:
- 在949名成年人的数据上利用了5个机器学习算法.
- 雇佣的特征的重要性和选择方法.
- 使用AUC,PR曲线,校准和决策曲线分析评估的模型.
主要成果:
- 一个随机森林 (RF) 模型表现出卓越的性能.
- 一个可解释的射频模型确定了7个关键的风险因素:性别,缺陷,单方面,硬物质,牙磨牙,牙紧和焦虑.
- 该模型实现了高预测准确性 (AUC: 0.892培训,0.854内部验证,0.857外部测试).
结论:
- 开发了一个高效和可解释的机器学习模型,用于成年人TMD风险预测.
- 该模型具有高精度和临床实用性,通过SHAP分析验证.
- 为临床医生提供了一个用于TMD风险评估和管理的实用工具.
