开发和验证用于预测2型糖尿病患者糖尿病视网膜病变的机器学习算法:算法开发研究

科学领域:

• 眼科医生 眼科 眼科
• 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:

• 糖尿病视网膜病变 (DR) 是全球可预防失明的主要原因.
• 机器学习 (ML) 提供了在社区环境中增强DR查的潜力.
• 在DR查中对ML的预测模型性能需要进一步确定.

研究的目的:

• 评估基于ML的DR发展的风险预测在2型糖尿病 (T2DM) 的成年人中.
• 利用韩国医疗保健数据开发一种通用且准确的DR风险预测模型.

主要方法:

• 利用了来自韩国3所大学医院的电子病历 (发现队列:n=14,694;验证队列:n=1856).
• 开发和调整各种ML模型,根据接收器操作特征 (ROC) 曲线下的面积选择性能最好的模型.
• 主要结局:在3岁时出现DR.

主要成果:

• 极端梯度增强 (XGBoost) 模型在发现队列中达到75.13%的准确性,在验证队列中达到65.14%的准确性.
• 通过XGBoost识别的关键预测因素包括脂质不良,癌症,高血压,慢性病,神经病变和心血管疾病.
• 在接受查的患者中,DR诊断为2.37%.

结论:

• 基于ML的风险预测,特别是使用XGBoost,显示了对T2DM患者及时的DR干预的潜力.
• 该模型可以提高对DR贡献因素的理解,并减少并发症.
• 预计拟议的模型将在韩国的初级保健机构中具有成本效益.