为白内障预测模型开发和比较AI算法:韩国国家健康和营养检查调查 (2015-2017) 的分析 (2015-2017)

科学领域:

• 眼科医生 眼科 眼科
• 生物医学信息学 生物医学信息学
• 营养科学 营养科学

背景情况:

• 白内障是全球视力障碍的主要原因,随着人口老龄化而增加.
• 虽然手术是主要的治疗方法,但预防措施对于减少疾病负担至关重要.
• 早期识别和预防策略是必要的,以打击白内障的流行率上升.

研究的目的:

• 探索与白内障发展相关的饮食和健康因素.
• 使用机器学习 (ML) 开发白内障发生的预测模型.

主要方法:

• 利用来自韩国国家健康和营养检查调查 (2015-2017) 的数据.
• 包括190名女性 (60-79岁),包括124例白内障病例和66例对照.
• 应用了四种ML算法:支持矢量机 (SVM),随机森林 (RF),极端梯度增强和多层感知器.
• 评估模型使用准确度,精度,回忆,F1分数,AUROC和AUPRC.

主要成果:

• 支持矢量机 (SVM) 模型表现出卓越的性能,准确率为71%,精度为86%,回忆率为73%,F1得分为79%,AUROC为65%,AUPRC为81%.
• 饮食和与健康相关的因素有效地预测了白内障的几率,而没有专门的眼科设备.
• ML模型对早期白内障检测有希望.

结论:

• 机器学习模型可以根据可访问的饮食和健康数据来预测白内障风险.
• 这种预测能力支持早期识别和预防白内障.
• 建议对更大,多样化的样本和综合数据源进行进一步的研究,以提高预测准确性和个性化干预措施.