机器学习框架用于HbA1c预测:通过分层回归和多阶段特征选择进行数据丰富,成本优化和可解释性

科学领域:

• 生物标志物的发现和预测.
• 机器学习在医疗保健中的应用
• 人口健康分析.

背景情况:

• 糖化血红蛋白 (HbA1c) 对于监测长期血糖控制至关重要.
• 在大型健康调查和资源有限的环境中,直接的HbA1c测试往往是昂贵的和未充分利用的.
• 现有的HbA1c预测模型通常优先考虑分类或原始准确性,而不是可解释性和成本效益.

研究的目的:

• 开发一种高度准确和可解释的机器学习 (ML) 模型,用于使用例行收集的数据预测HbA1c.
• 确定最小的一组具有成本效益的预测指标,减少对广泛实验室小组的依赖.
• 建立适用于其他慢性疾病生物标志物的可转移和可解释的建模框架.

主要方法:

• 利用了2007-2020年周期国家健康和营养检查调查 (NHANES) 的数据 (66,148条记录,224个特征).
• 实施了两阶段的特征选择:增量相关性选择 (ICS),然后是递归特征消除与交叉验证 (RFECV).
• 使用LightGBMRegressor进行预测和评估可解释性,使用部分依赖图和特征重要性.

主要成果:

• 最优的LightGBMRegressor模型仅使用40个选定的特征实现了R2 = 0.7161,MAE = 0.334和MAPE = 5.56% .
• 功能选择显著减少了所需的输入变量的数量,同时保持了强大的预测性能.
• 解释性分析证实了预测因子和HbA1c之间具有临床意义的关系,符合生理学理解.

结论:

• 拟议的框架提供了一种实用,具有成本效益的方法来估计HbA1c,通过透明,生理上连贯的见解.
• 这种方法提高了人口健康和临床决策支持系统中生物标志物估计的可扩展性.
• 可解释,高效和可通用的设计使其适用于广泛的临床和公共卫生应用.