基于机器学习的慢性阻塞性肺疾病急性加重预测模型的研究
张博超1
杨朝2
郭立泉1
陈静1
熊大曦1
1.中国科学技术大学生物医学工程学院(苏州)生命科学与医学部,安徽合肥市230026;中国科学院苏州生物医学工程技术研究所,江苏苏州市2151632.南京医科大学附属苏州科技城医院呼吸内科,江苏苏州市215163
摘要：目的 针对慢性阻塞性肺疾病急性加重期(AECOPD)患者肺功能检测存在误差大、准确性差的问题,开发AECOPD患者的肺功能预测模型,通过比较不同机器学习模型的预测性能,找到最优的模型.方法 选取2018年1月至2020年2月南京医科大学附属苏州科技城医院不同患病程度的慢性阻塞性肺疾病(COPD)患者90例.利用6种机器学习算法(K-最近邻、逻辑回归、支持向量机、朴素贝叶斯、决策树和随机森林)建立预测分类模型,比较受试者工作特征曲线下面积(AUC-ROC)和准确性.采用10折交叉验证对数据集进行验证.结果 基于随机森林的模型相较于其他模型预测性能最佳,准确率达到0.844,AUC-ROC为0.916.结论 基于随机森林的预测模型能够辅助临床医生在难以给出确切诊断时提供决策支持.
关键词：慢性阻塞性肺疾病急性加重期机器学习预测模型
分类号：R562.2(呼吸系及胸部疾病)
资助基金：江苏省自然科学基金(No.BK20201183)苏州市临床重点病种诊疗技术专项(No.LCZX201931)江苏省双创人才项目(No.JSSCRC2021568)
论文发表日期：2022-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 678-683 )
英文信息