在生物医学机器学习中,使用诱导性合规预测进行可靠性增强的数据清理
Xianghao Zhan1,2, Qinmei Xu2, Yuanning Zheng2
1Department of Bioengineering, Stanford University, Stanford, California, United States of America.
PLoS computational biology
|February 13, 2025
概括
这项研究引入了一种使用诱导性合规预测 (ICP) 清理杂的生物医学数据集的新方法,提高机器学习模型的性能. 基于可靠性的方法有效地纠正了错误标记的数据,提高了DILI文献过和疾病预测等各种应用的准确性.
科学领域:
- 生物医学机器学习
- 数据科学数据科学数据科学
- 计算生物学 计算生物学
背景情况:
- 对大型生物医学数据集进行准确的标记对于机器学习至关重要,但由于数据增强噪声而具有挑战性.
- 现有的处理噪音数据的方法通常需要严格的假设和精心策划的数据集.
- 这种局限性阻碍了医疗保健中强大的机器学习模型的开发.
研究的目的:
- 开发一种新的,基于可靠性的训练数据清理方法,使用诱导性合规预测 (ICP).
- 在没有严格的建模假设的情况下,解决大型生物医学数据集中噪音标签的挑战.
- 提高机器学习模型在各种生物医学分类任务中的性能.
主要方法:
- 提出了一种基于可靠性的新型训练数据清理方法,采用感应性合规预测 (ICP).
- 利用ICP计算的可靠性指标来识别和纠正噪音数据集中错误标记的数据和异常值.
- 使用了一小组精心策划的数据以及大量的噪音数据.
主要成果:
- 在三个不同的生物医学任务中显著提高了下游分类性能:DILI文献过,COVID-19患者ICU入院预测和乳腺癌亚型.
- 在DILI实验 (高达11.4%) 和RNA测序实验 (高达74.6%) 中取得了实质性的准确性改进.
- 在AUROC和AUPRC的COVID-19预测中显著改进 (分别高达23.8%和69.8%),以及RNA测序数据的准确性/F1得分的改进.
结论:
- 提出的基于ICP的数据清理方法有效地提高了生物医学机器学习任务的分类性能.
- 这种方法减少了对广泛精心策划的数据的需求,并避免了强烈的分布或建模假设.
- 该方法为信息检索,疾病诊断和预后提供了统计和临床显著的改进.
