基于数据的生物标志物发现和印度女性多囊卵巢综合征的风险概况,使用集体学习
Pulkit Verma1, Rekha Agarwal2, Lokesh Kumar Sharma3
1Indian Council of Medical Research (ICMR) Headquarters, New Delhi, India.
Reproduction, fertility, and development
|October 24, 2025
概括
这项研究使用印度多囊卵巢综合征 (PCOS) 数据开发了一个预测模型,实现了早期风险检测的高准确性. 该模型有助于及时管理PCOS,特别是在印度农村人口中.
科学领域:
- 内分泌学和生殖医学 繁殖医学
- 数据科学和机器学习
- 印度的公共卫生.
背景情况:
- 印度多囊卵巢综合征 (PCOS) 数据有限,诊断标准不一致,阻碍了及时检测,特别是在农村地区.
- 解决诊断差距需要强大的,数据驱动的方法,以印度人群为特色.
研究的目的:
- 开发PCOS风险分层的预测模型,使用来自印度研究的综合数据集.
- 为早期PCOS检测和管理决策创建一个新的框架.
主要方法:
- 一项系统的文献搜索确定了六项有关印度女性PCOS病理生理学的相关研究.
- 来自11,258个样本 (7342个PCOS,3916个对照样本) 的数据与14个属性进行了整合和预处理.
- 优化了LightGBM算法,实现了高性能指标和确定关键预测特征.
主要成果:
- 优化的LightGBM模型显示了高精度 (96.18%),精度 (97.51%),回忆 (96.65%) 和ROC-AUC (99.31%).
- PCOS的关键预测因素包括丸激素,月经周期频率,甘油三,LH和心动血压.
- 风险分层与实际诊断一致,证实了临床效用.
结论:
- 这项研究介绍了首个专门针对印度妇女的PCOS综合数据集.
- 开发的框架为快速识别PCOS风险提供了一个可扩展的解决方案,并支持临床决策.
