基于机器学习的多囊卵巢综合征的诊断模型
Cheng Tong1,2, Yue Wu1, Zhenchao Zhuang3
1The First Affiliated Hospital of Zhejiang Chinese Medical University (Zhejiang Provincial Hospital of Chinese Medicine), Hangzhou, 310006, Zhejiang, China.
Scientific reports
|March 22, 2025
概括
这项研究开发了一种机器学习模型,将抗穆勒尔激素 (AMH) 和其他激素结合起来,以诊断多囊性卵巢综合征 (PCOS). 后勤模型显示出有前途的诊断潜力,强调AMH是PCOS的关键指标.
科学领域:
- 内分泌学 在内分泌学.
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的机器学习
背景情况:
- 诊断多囊卵巢综合征 (PCOS) 在临床实践中存在重大挑战.
- 现有的诊断方法可以从增强的辅助工具中获益,以提高准确性.
研究的目的:
- 通过将抗米勒尔激素 (AMH) 与类固醇激素和雌激素集成来开发和验证PCOS的诊断模型.
- 提供额外的诊断支持,并提高PCOS识别的准确性.
主要方法:
- 从84名PCOS患者和75名健康对照组收集了血清样本.
- 使用机器学习算法,使用选择的激素变量 (LH,LH/FSH,E2,PRL,T,AMH,AD,COR) 构建诊断模型.
- 使用验证集评估模型性能,通过物流分类模型实现曲线下的面积 (AUC) 为0.86.
主要成果:
- 确定了8个关键的荷尔蒙变量,其中AMH显示出最高的诊断潜力.
- 成功构建了五个机器学习模型,其中物流分类模型表现出最好的整体性能.
- 开发的模型在验证集上取得了0.86的AUC.
结论:
- 一个基于机器学习的诊断模型,将AMH与其他激素结合起来,显示出PCOS诊断的巨大潜力.
- 后勤分类模型表现最好,强调了这种方法的实用性.
- 建议对更大,多中心数据集进行进一步验证,以确认和完善模型的概括性.
