使用自动机器学习模型对HCV进行预测研究
Serbun Ufuk Değer1, Hakan Can1
1Kastamonu Vocational School, Kastamonu University, 37150, Kastamonu, Turkey.
Computers in biology and medicine
|February 21, 2025
概括
自动机器学习 (AutoML) 工具可以准确预测C型肝炎病毒 (HCV) 感染和相关的肝脏疾病. 这些人工智能驱动的模型为医疗保健专业人员在疾病预测方面提供了有价值的补充方法.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 肝炎C病毒 (HCV) 感染是导致慢性肝病的全球主要原因之一.
- 早期发现和治疗HCV对于预防并发症和控制疾病至关重要.
- 医疗决策支持系统的进步,特别是人工智能和大数据,正在改变疾病的诊断和治疗.
研究的目的:
- 调查自动机器学习 (AutoML) 工具在预测C型肝炎病毒 (HCV) 感染方面的有效性.
- 通过使用AutoML. 解决医疗保健从业人员机器学习实施的挑战.
- 增强现有数据集的附加功能,并纠正类失衡,以提高预测准确度.
主要方法:
- 利用来自UCI机器学习库的数据集进行HCV预测.
- 整合了数据集中的额外功能和纠正了数据集中的类不平衡.
- 应用了7种不同的AutoML工具来构建HCV感染的预测模型.
主要成果:
- 使用AutoML工具实现了高准确率,范围从99.29%到100%,使用AutoML工具.
- 证明了AutoML在克服医疗保健专业人员技术障碍方面的有效性.
- 成功地解决了HCV数据集中的数据缺陷和类不平衡.
结论:
- 自动ML工具提供了一种强大且易于使用的方法来预测C型肝炎和相关的肝脏疾病.
- 这些人工智能驱动的模型可以作为临床医生在疾病预测中的宝贵补充工具.
- 该研究强调了人工智能在改善HCV感染的诊断和治疗方法方面的潜力.
