机器学习技术用于华法林剂量预测的应用:对MIMIC-III数据集的案例研究
Aasim Ayaz Wani1, Fatima Abeer2
1School of Engineering, Cornell University, Ithaca, New York, United States.
PeerJ. Computer science
|February 3, 2025
概括
机器学习模型通过准确预测国际规范化比率 (INR),即便缺少患者数据,也可以提高华法林剂量. 先进的技术提高了精度,减少了抗凝治疗中的不良药物事件.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 药物基因组学 药物基因组学
背景情况:
- 华法林的剂量是复杂的,因为狭窄的治疗范围和患者的变化.
- 准确预测国际规范化比率 (INR) 对安全有效的抗凝剂至关重要.
- 电子健康记录中缺少的数据对华法林管理构成重大挑战.
研究的目的:
- 在MIMIC-III数据集上使用机器学习提高INR预测的准确性.
- 为了解决缺少数据在预测患者对华法林反应方面的挑战.
- 为了制定一个更个性化和精确的华法林剂量策略.
主要方法:
- 应用的缩小维度技术:主要组件分析 (PCA) 和t分布式静态邻居嵌入 (t-SNE).
- 使用了先进的数据归算方法:拒绝自编码器 (DAE) 和生成对立网络 (GAN).
- 整合了这些机器学习方法,以改善INR预测.
主要成果:
- 在INR的预测准确度方面取得了显著的改进.
- 与传统的华法林剂量方法相比,大大减少了预测错误.
- 证明了ML模型在处理抗凝治疗缺失数据方面的有效性.
结论:
- 机器学习模型为个性化的华法林剂量提供了一个强大的工具.
- 提出的方法可以显著降低药物不良事件的风险.
- 这种方法有潜在的临床应用,用于增强抗凝治疗和其他缺乏数据的复杂治疗.
关键词:
人工智能的人工智能是人工智能.深度学习是一种深度学习.拒绝使用自动编码器.缩小尺寸的缩小方式生成性的对抗性网络.机器学习 机器学习医学研究 医学研究缺失的价值归算是错误的变化自动编码器的变化自动编码器更多相关视频
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
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
14.4K
