使用机器学习算法开发基于网络的工具,以提高中年和老年人对结肠直肠癌查计划的坚持
Xiaohan Yi1, Fangli Shen2, Xingjian Xiao1
1School of Public Health, Shanghai University of Traditional Chinese Medicine, Shanghai, China.
Annals of epidemiology
|August 24, 2025
概括
在中国诊断结肠镜检查率较低, 需要提高遵守标准. 这项研究开发了一个人工智能工具ColoAdhere,用于预测和增强中年和老年人的结肠镜检查行为,确定针对性干预的关键预测因素.
科学领域:
- 癌症学
- 公共卫生
- 人工智能
背景情况:
- 结肠直肠癌 (CRC) 是中国的一个重大健康问题.
- 诊断性结肠镜检查率较低表明需要提高查依从性.
研究的目的:
- 使用机器学习预测中老年人的结肠镜检查行为.
- 确定结肠镜粘附的决定因素.
- 开发一个基于网络的工具 (ColoAdhere),以提高诊断结肠镜的普及率.
主要方法:
- 采用了上海49418次阳性CRC查咨询 (2013-2021) 的数据.
- 使用多种机器学习模型 (LR,Adaboost,XGBoost,RF,GBM,MLP) 来预测结肠镜粘附性.
- 使用SHAP分析分析了包括人口统计,健康史,生活方式和家庭史在内的预测因素.
主要成果:
- 诊断结肠镜完成率为11. 5%.
- 机器学习模型显示预测性能中等 (AUC> 60. 0%).
- 确定了关键预测因素:FOBT查,癌症史,性别,年龄,多史和职业.
结论:
- 高危人群中结肠镜完成率低,需要针对性的干预措施.
- 一个人工智能驱动的行为预测工具 (ColoAdhere) 显示了在查程序中增加诊断结肠镜率的希望.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
193
15:49Flexible Colonoscopy in Mice to Evaluate the Severity of Colitis and Colorectal Tumors Using a Validated Endoscopic Scoring System
Published on: October 16, 2013
32.0K
