使用机器学习来预测中国妇女患有多囊性卵巢疾病的患者
Chen-Yu Wang1, Dee Pei2, Chun-Kai Wang3
1Department of Obstetrics and Gynecology, Tri-Service General Hospital, National Defense Medical Center, Taipei, Taiwan; Graduate Institute of Applied Science and Engineering, Fu Jen Catholic University, New Taipei City, Taiwan.
Taiwanese journal of obstetrics & gynecology
|January 10, 2025
概括
与逻辑回归相比,机器学习 (Mach-L) 模型在预测多囊性卵巢综合征 (PCOS) 中表现出更高的准确性. 年龄,甘油三和GPT被确定为PCOS的关键风险因素.
科学领域:
- 内分泌学 在内分泌学.
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 多囊卵巢综合征 (PCOS) 影响全球5-21%的患者,使其成为一种普遍的荷尔蒙障碍.
- 传统的物流回归 (LR) 在分析复杂的PCOS相关因素方面存在局限性.
- 机器学习 (Mach-L) 为医学研究提供了先进的分析能力.
研究的目的:
- 为了比较五个马赫-L算法的预测准确度与PCOS的传统LR.
- 使用Mach-L来预测PCOS发病率并确定重大风险因素.
主要方法:
- 分析了170名PCOS患者和950名对照组的队列.
- 收集了人口,生化和生活方式数据,通过鹿特丹标准诊断PCOS.
- 使用了五种Mach-L算法 (RF,SGB,MARS,XGBoost,CatBoost),并与LR进行了比较.
主要成果:
- 马赫-L方法的估计误差较小,平均AUC (0.6669) 比LR (0.5908) 高.
- PCOS患者年轻,GOT,GPT,γ-GT,TG和教育程度较高.
- 通过Mach-L确定的主要风险因素包括年龄,TG,GPT,WBC,UA和Plt.
结论:
- 马赫-L技术在预测中国队列中PCOS的表现优于传统的LR.
- 年龄是最重要的预测因素,其次是TG,GPT,WBC,UA和Plt.


