基于机器学习算法对白血病患者认知功能障碍预测模型中的风险因素进行比较研究
Wenwen Xu1, Jianning Li1, Chunfang Huang1
1Qixia District Hospital, Nanjing, Jiangsu, China.
Frontiers in neuroscience
|December 26, 2025
概括
这项研究确定了白血病 (LA) 患者认知功能障碍的关键风险因素. 随机森林模型准确地预测LA患者的认知功能障碍风险,有助于早期检测.
科学领域:
- 神经学 神经学
- 医疗信息学 医疗信息学
- 老年病的医生 老年病的医生
背景情况:
- 白血病 (LA) 与认知障碍有关.
- 识别LA认知功能障碍的风险因素和预测模型对于早期干预至关重要.
研究的目的:
- 研究患有白血病症 (LA) 的患者认知功能障碍的危险因素.
- 开发和验证基于机器学习的LA患者认知功能障碍预测模型.
主要方法:
- 使用单变量和多变量逻辑回归来确定273名LA患者的风险因素.
- 开发并比较了七个机器学习算法 (随机森林,SVM,XGBoost等). 用于预测和预测.
- 使用精度,AUROC和SHAP进行解释,验证了模型性能.
主要成果:
- 年龄,LDL-C,尿酸,Fazekas得分和IASA得分被确定为认知功能障碍的独立风险因素.
- 随机森林模型表现出最高的预测性能,在验证集上AUROC为0.8373.
- SHAP分析强调年龄,LDL-C,IASA得分和Fazekas得分是最重要的预测因素.
结论:
- 随机森林模型提供了一个可靠的工具来预测LA患者的认知功能障碍风险.
- 这种预测能力可以促进预警和及时管理策略.
更多相关视频
12:50Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
Published on: April 14, 2014
40.8K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.7K
