通过探索不同的特征选择技术,对与维生素D缺乏相关的多囊卵巢综合征进行监督的模型检测
1School of Electrical Engineering, Vellore Institute of Technology, Chennai, Tamil Nadu, India.
Scientific reports
|August 26, 2025
概括
多囊卵巢综合症 (PCOS) 与超过40%的患者的维生素D3缺乏有关. 通过人工智能模型的早期检测可以改善影响女性生殖健康的这种荷尔蒙障碍的管理.
科学领域:
- 内分泌学与生殖健康
- 医疗保健中的人工智能
- 数据科学和机器学习
背景情况:
- 多囊卵巢综合症 (PCOS) 是一种普遍的激素疾病,由现代生活方式加剧,严重影响女性的生殖健康.
- 早期检测PCOS对于管理相关的健康风险和改善患者的结果至关重要.
- 越来越多的维生素D3水平被认为是PCOS病理生理学的潜在因素.
研究的目的:
- 在多样化的队列中研究维生素D3水平与PCOS之间的关联.
- 开发和评估用于PCOS检测和特征重要性分析的机器学习模型.
- 确定PCOS的关键指标,包括维生素D3的作用.
主要方法:
- 采用PPCA,IQR,Z-score标准化和SMOTE等技术,对1368个记录和43个属性的定制数据集进行了策划和预处理.
- 使用过 (Chi-Square,ANOVA),包装 (EEFOA) 和嵌入式 (LASSO,XGBoost) 方法进行了特征选择.
- 包括随机森林 (RF),k-NN,DT和SVM在内的分类器接受了培训,EEFOA-RF表现出卓越的表现. 使用可解释的AI (XAI) 方法 (SHAP,LIME) 来确定特征的重要性.
主要成果:
- 带有射频分类器的EEFOA在检测PCOS方面获得了98.8%的高准确性和98.19%的F测量.
- 功能重要性分析揭示了对导致PCOS的因素的重要见解.
- 在被诊断为PCOS的个体中,超过40%的人表现出维生素D3缺乏或不足.
结论:
- 机器学习模型,特别是EEFOA-RF,在检测PCOS方面表现出很高的效率.
- 在PCOS患者中,维生素D3缺乏是普遍存在的,这凸显了维生素D3在这种疾病中的潜在作用.
- 人工智能驱动的洞察力可以提高PCOS的理解和早期检测,为临床管理策略提供信息.
