机器学习模型用于预测福建眼睛研究中与年龄相关的黄斑变性风险
Yang Li1,2,3,4, Bin Wang1,2,3,4,5,6, Xiangdong Luo1,2
1Eye Institute and Affiliated Xiamen Eye Center of Xiamen University, School of Medicine, Xiamen University, Xiamen, China.
PloS one
|November 4, 2025
概括
后勤回归有效地预测与年龄相关的黄斑变性 (AMD) 风险. 教育背景是最重要的预测因素,突出其在AMD风险评估中的重要性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- 与年龄相关的黄斑变性 (AMD) 是导致视力受损的主要原因.
- 对AMD风险的预测建模对于早期干预和管理至关重要.
- 机器学习为分析复杂的健康数据集提供了强大的工具.
研究的目的:
- 评估各种机器学习模型在预测AMD风险方面的有效性.
- 为了确定最准确的AMD预测模型.
- 确定与AMD发展相关的关键风险因素.
主要方法:
- 利用了来自福建眼睛研究的8211名参与者的数据集.
- 开发和评估了七种机器学习模型:逻辑回归,KNN,SVM,DT,RF,LightGBM和XGBoost.
- 采用数据预处理,特征选择和SHAP分析来解释模型预测.
主要成果:
- 在预测AMD风险方面,物流回归实现了最高的平衡精度 (0.6364).
- 教育背景是最有影响力的预测特征 (SHAP值:0.8199).
- 户外时间和左眼球形等价值也是显著的预测因素.
结论:
- 后勤回归是AMD风险预测的最佳机器学习模型.
- 教育背景是评估AMD风险的关键因素.
- 这些发现支持在眼科研究和风险分层中使用机器学习.
