慢性消化系统疾病患者的虚弱预测:基于多任务学习模型

科学领域:

• 人工智能在医学中的应用
• 老年学是一门学科.
• 胃肠病学 胃肠病学

背景情况:

• 慢性消化系统疾病 (CDSD) 是一个重要的全球健康问题,增加了发病率和死亡率.
• 通过脆弱指数评估患者的预后,对于有效的医疗保健管理至关重要.
• 需要积极的医疗保健策略来管理CDSD和相关的脆弱性.

研究的目的:

• 为患有CDSD的患者开发和评估一个多时间点脆弱性预测模型.
• 为了比较各种机器学习模型的性能,包括多门混合专家 (MMoE) 框架,用于脆弱性预测.
• 为改善临床决策提供关于CDSD患者脆弱性进展的见解.

主要方法:

• 分析了565名CDSD患者的数据,包括3岁和6岁的脆弱性评估.
• 开发和评估了五种模型:Tab变压器,卷积神经网络 (CNN),深度神经网络 (DNN),极端梯度增强 (XGBoost) 和随机森林 (RF).
• 使用多门混合专家 (MMoE) 框架来增强预测能力.

主要成果:

• 在预测3年和6年脆弱性指数方面,MMoE框架始终优于单个模型.
• 随机森林 (RF) 在两种预测间隔的训练和测试组中都取得了完美的性能 (微AUC 1.000).
• 标签变压器还表现出高的预测准确性,测试组上的微AUC值高达0.999.

结论:

• 基于MMoE的方法有效地预测了关键时间点的脆弱性,为疾病进展提供了宝贵的见解.
• 将这种AI模型集成到CDSD管理中可以促进早期干预和个性化治疗计划.
• 这种预测模型支持主动的医疗保健,并改善了CDSD管理中的患者结果.